In this chapter, you will dive into creating your first structural equation model with lavaan. You will learn important terminology, how to build, and run models. You will create a one-factor model of mental test abilities using the classic Holzinger and Swineford (1939) dataset.

Model Specification

Build Text Speed Model

Build Political Democracy Model

Model Analysis

Analyze Text Speed Model

Summarize Political Democracy

Model Assessment

Examine Standardized Loadings

Explore Fit Indices

Examine Political Democracy

One-Factor Models

In this chapter, you will expand your skills in lavaan to creating multi-factor models. We will improve the one-factor models from the last chapter by creating multiple latent variables in the classic Holzinger and Swineford (1939) dataset.

Multifactor Specification

Create a Zero df Model

Fix the Zero df Model

Build a Multi-Factor Model

Summarize the Multi-Factor Model

Model Structure

Three-Factor Model with Zero Correlation

Create a Direct Path

Modification Indices

Check Model Variance

Examine Modification Indices

Model Comparison

Compare Two Models

Select Specific Fit Indices

Multi-Factor Models

Structural equation models do not always run smoothly, and in this chapter, you will learn how to troubleshoot Heywood cases which are common errors. You will also learn how to diagram your model in R using the semPlot library.

Gizil Değişkende Heywood Durumları

Gizil Bir Heywood Durumunu Analiz Et

Örtük Heywood Modelini Düzelt

Gözlenen Değişkenlerde Heywood Durumları

Bir Açık (Manifest) Heywood Durumunu Analiz Et

Gözlenen Heywood Modelini Düzelt

semPaths() ile Diyagramlar Oluştur

Temel SEM Diyagramı

Yerleşimi Düzenle

Etiketleri Düzenle

Troubleshooting Model Errors and Diagrams

This chapter examines the WAIS-III IQ Scale and its structural properties. You will use your skills from the first three chapters to create various models of the WAIS-III, troubleshoot errors in those models, and create diagrams of the final model.

Model the WAIS-III IQ Scale

Create a Four-Factor Model

Update the Model

Diagram the Final Model

Update the WAIS-III Model

Add Paths to Improve Fit

Compare Models

A Hierarchical Model of IQ

Create a Hierarchical Model

Diagram the Hierarchical Model

Course Wrap Up

Full Example and an Extension

WAIS-III IQ Data for Hierarchical Model

Latent Variable Heywood Case Data

Negative Variance Heywood Case Data

Verilerle çalışırken, çoğu zaman gelecekteki olayları tahmin etmek için modeller kurmak isteriz; ama verilerimizin nasıl bağlantılı veya yapılandığını daha derinlemesine anlamak da isteriz. Bu kursta, R programlama dilinde lavaan paketiyle yapısal eşitlik modellemesi (SEM) kullanarak verilerin bağlantılılığını keşfedeceksin. SEM, seni gizil ve gözlenen değişkenlerle tanıştıracak; ölçme modelleri kurmayı, ölçme modeli doğruluğunu değerlendirmeyi ve uyumu zayıf modelleri düzeltmeyi öğreneceksin. Kurs boyunca Holzinger ve Swineford (1939) ile Bollen (1989) gibi klasik SEM veri kümelerini inceleyeceksin. Ayrıca Wechsler Yetişkin Zekâ Ölçeği’ni kullanarak çok faktörlü bir model vaka çalışmasını adım adım gerçekleştireceksin. Bu kurstan sonra, verilerine dalıp her şeyin nasıl bir araya geldiğini çok daha derin bir şekilde anlayabileceksin.

Intermediate Regression in R

Ölçek veya anket yapısını doğrulamak için ölçüm modelleri oluşturmayı ve değerlendirmeyi öğrenin.

R ile lavaan kullanarak Yapısal Eşitlik Modellemesi

Bir ölçek veya anketin yapısını doğrulamak için kullanılan ölçüm modellerini oluşturmayı ve değerlendirmeyi öğrenin.

Gözlenen Heywood Modelini Düzelt

R ile lavaan kullanarak Yapısal Eşitlik Modellemesi

Uygulamalı interaktif egzersiz