Редактирование меток

Группа по усыновлению хочет доработать свой опрос для дальнейшего использования. Чтобы помочь им интерпретировать результаты, вы можете добавить метки на пути модели — они покажут, какие индикаторы наиболее тесно связаны с латентными переменными.

Метки можно закрасить по интенсивности связи, чтобы обогатить визуализацию модели. Вы заметите, что манифестные переменные goodstory значительно сильнее, чем переменные inperson.

Это упражнение является частью курса

Структурное моделирование уравнений с lavaan в R

Посмотреть курс

Инструкции к упражнению

Используйте аргумент whatLabels, чтобы отобразить стандартизированные нагрузки.
Используйте аргумент what, чтобы задать раскраску по стандартизированным нагрузкам.
Используйте аргумент edge.color, чтобы задать синий цвет (blue) для путей модели.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Load the library
library(semPlot)

# Update the default picture
semPaths(object = adopt.fit,
         layout = "tree",
         rotation = 2,
         ___,
         edge.label.cex = 1,
         ___,
         ___)

Редактировать и запускать код

Это упражнение является частью курса

Структурное моделирование уравнений с lavaan в R

SkillTag.level.advancedSkillTag.label

4.8+

Начать курс бесплатно

В этой главе вы построите свою первую модель структурных уравнений с помощью lavaan. Вы освоите ключевую терминологию, научитесь создавать и запускать модели, а также построите однофакторную модель умственных способностей на основе классического набора данных Холзингера и Суинфорда (1939).

Exercise 1: Спецификация модели Exercise 2: Построение модели скорости обработки текста Exercise 3: Построение модели политической демократии Exercise 4: Анализ модели Exercise 5: Анализ модели скорости чтения текста Exercise 6: Анализ политической демократии Exercise 7: Оценка модели Exercise 8: Изучение стандартизованных нагрузок Exercise 9: Изучение индексов подгонки Exercise 10: Анализ политической демократии

В этой главе вы расширите свои навыки работы с lavaan и перейдёте к построению многофакторных моделей. Опираясь на однофакторные модели из предыдущей главы, вы улучшите их, добавив несколько латентных переменных на основе классического набора данных Холзингера и Суинфорда (1939).

Exercise 1: Многофакторная спецификация Exercise 2: Создание модели с нулевыми степенями свободы Exercise 3: Исправление модели с нулевыми степенями свободы Exercise 4: Построение многофакторной модели Exercise 5: Анализ многофакторной модели Exercise 6: Структура модели Exercise 7: Трёхфакторная модель с нулевой корреляцией Exercise 8: Создание прямого пути Exercise 9: Индексы модификации Exercise 10: Проверка дисперсии модели Exercise 11: Изучение индексов модификации Exercise 12: Сравнение моделей Exercise 13: Сравнение двух моделей Exercise 14: Выбор конкретных индексов подгонки

Модели структурных уравнений не всегда строятся без затруднений. В этой главе вы научитесь устранять случаи Хейвуда — распространённые ошибки в СМУ, — а также строить диаграммы моделей в R с помощью библиотеки semPlot.

Exercise 1: Случаи Хейвуда для латентной переменной Exercise 2: Анализ латентного случая Хейвуда Exercise 3: Исправление случая Хейвуда для латентной переменной Exercise 4: Кейсы Хейвуда на наблюдаемых переменных Exercise 5: Анализ явного случая Хейвуда Exercise 6: Исправление явного случая Хейвуда Exercise 7: Создание диаграмм с помощью semPaths()Exercise 8: Базовая диаграмма SEM Exercise 9: Изменение макета Exercise 10: Редактирование меток

Текущее упражнение

В этой главе рассматривается Шкала интеллекта Векслера для взрослых (WAIS-III) и её структурные свойства. Используя навыки, полученные в первых трёх главах, вы построите различные модели WAIS-III, устраните ошибки в этих моделях и создадите диаграммы итоговой модели.

Exercise 1: Моделирование шкалы IQ WAIS-III Exercise 2: Создание четырёхфакторной модели Exercise 3: Обновление модели Exercise 4: Диаграмма финальной модели Exercise 5: Обновление модели WAIS-III Exercise 6: Добавление путей для улучшения подгонки модели Exercise 7: Сравнение моделей Exercise 8: Иерархическая модель интеллекта Exercise 9: Создание иерархической модели Exercise 10: Визуализация иерархической модели Exercise 11: Заключение курса