เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

วิเคราะห์โมเดลความเร็วในการอ่านข้อความ

มาวิเคราะห์โมเดลความเร็วในการอ่านข้อความที่สร้างไว้ในบทเรียนแรกกัน โมเดลนี้ประกอบด้วยตัวแปรแฝง (latent variable) หนึ่งตัว คือ textspeed ซึ่งแทนด้วยตัวแปรสังเกตได้ (manifest variables) หกตัว โดย x4, x5, x6 วัดความเข้าใจในการอ่าน และ x7, x8, x9 วัดความเร็วในการนับและการบวกเลข จากชุดข้อมูล HolzingerSwineford1939

จะใช้ฟังก์ชัน cfa() เพื่อวิเคราะห์ text.model โดยใช้ข้อมูลจาก HolzingerSwineford1939 ผลสรุปควรแสดงว่าโมเดลถูกระบุ (identified) ด้วย 9 องศาแห่งเสรีภาพ (degrees of freedom) จากนั้นให้ตรวจสอบค่าประมาณของตัวแปรแฝงเพื่อพิจารณาว่าตัวชี้วัดใดสะท้อนตัวแปรแฝงได้ดี (ค่าสูง) และตัวใดทำได้ไม่ดี (ค่าต่ำ)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Structural Equation Modeling ด้วย lavaan ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ฟังก์ชัน cfa() เพื่อ fit โมเดลชื่อ text.fit อย่าลืมระบุทั้งอาร์กิวเมนต์ model และ data!
  • ใช้ฟังก์ชัน summary() เพื่อดูผลการ fit โมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Load the lavaan library
library(lavaan)

# Load the dataset and define model
data(HolzingerSwineford1939)
text.model <- 'textspeed =~ x4 + x5 + x6 + x7 + x8 + x9'

# Analyze the model with cfa()


# Summarize the model
แก้ไขและรันโค้ด