I det här kapitlet börjar du bygga din första strukturella ekvationsmodell med lavaan. Du lär dig viktig terminologi och hur du konstruerar och kör modeller. Du skapar en enfaktormodell av mentala testförmågor med hjälp av den klassiska datamängden från Holzinger och Swineford (1939).

Modellspecifikation

Bygg en modell för texthastighet

Bygg en modell för politisk demokrati

Modellanalys

Analysera modellen för lästempon

Sammanfatta politisk demokrati

Modellbedömning

Granska standardiserade laddningar

Utforska anpassningsmått

Undersök det politiska demokratiexemplet

Enfaktormodeller

I det här kapitlet utvidgar du dina kunskaper i lavaan till att skapa flerfaktormodeller. Vi förbättrar enfaktormodellerna från föregående kapitel genom att lägga till flera latenta variabler i den klassiska datamängden från Holzinger och Swineford (1939).

Multifaktorspecifikation

Skapa en modell med noll frihetsgrader

Åtgärda modellen med noll frihetsgrader

Bygg en flerfaktormodell

Sammanfatta flerfaktormodellen

Modellstruktur

Trefaktormodell med nollkorrelation

Skapa en direkt stig

Modifikationsindex

Kontrollera modellens varians

Granska modifikationsindex

Modelljämförelse

Jämför två modeller

Välj specifika passningsindex

Flerfaktormodeller

Strukturella ekvationsmodeller fungerar inte alltid problemfritt. I det här kapitlet lär du dig att felsöka Heywood-fall, som är vanliga fel. Du lär dig också att skapa diagram över din modell i R med hjälp av biblioteket semPlot.

Heywood-fall på den latenta variabeln

Analysera ett latent Heywood-fall

Åtgärda den latenta Heywood-modellen

Heywood-fall på manifesta variabler

Analysera ett manifest Heywood-fall

Åtgärda det manifesta Heywood-fallet

Skapa diagram med semPaths()

Grundläggande SEM-diagram

Redigera layouten

Redigera etiketterna

Felsökning av modellfel och diagram

Det här kapitlet undersöker WAIS-III IQ-skalan och dess strukturella egenskaper. Du använder dina kunskaper från de tre första kapitlen för att skapa olika modeller av WAIS-III, felsöka fel i dessa modeller och skapa diagram över den slutliga modellen.

Modellera WAIS-III IQ-skalan

Skapa en fyrfaktormodell

Uppdatera modellen

Skapa ett diagram över den slutliga modellen

Uppdatera WAIS-III-modellen

Lägg till stigar för att förbättra modellpassningen

Jämför modeller

En hierarkisk modell för IQ

Skapa en hierarkisk modell

Visualisera den hierarkiska modellen

Kursavslutning

Fullständigt exempel och en utvidgning

Latent Variable Heywood Case Data

WAIS-III IQ Data for Hierarchical Model

Negative Variance Heywood Case Data

När vi arbetar med data vill vi ofta skapa modeller för att förutsäga framtida händelser, men vi vill också förstå hur data hänger ihop och är strukturerad på ett djupare plan. I den här kursen utforskar du sambanden i data med hjälp av strukturell ekvationsmodellering (SEM) i programmeringsspråket R och paketet lavaan. Genom SEM lär du dig om latenta och manifesta variabler, hur du skapar mätmodeller, bedömer deras träffsäkerhet och åtgärdar modeller med dålig passning. Under kursens gång arbetar du med klassiska SEM-datamängder, till exempel Holzinger och Swineford (1939) samt Bollen (1989). Du genomför även en fallstudie med en flerfaktormodell baserad på Wechsler Adult Intelligence Scale. Efter kursen kan du gå på djupet med dina data och få en mycket bättre förståelse för hur allt hänger samman.

Intermediate Regression in R

Lär dig skapa och utvärdera mätmodeller för att bekräfta strukturen i en skala eller enkät.

Strukturell ekvationsmodellering med lavaan i R

Lär dig skapa och bedöma mätmodeller som används för att bekräfta strukturen i en skala eller enkät.

Heywood-fall på den latenta variabeln

Create Your Free Account