Phân tích Heywood Case ở biến quan sát
Sau khi bạn báo cáo phát hiện, nhóm nhận nuôi đã thiết kế lại khảo sát để đo hai nhân tố: mức độ hiệu quả của các bài đăng câu chuyện trực tuyến trong goodstory và mức độ quan trọng của tương tác inperson. Dữ liệu mới đã được nạp trong adoptsurvey. Trong bài tập này, bạn sẽ tìm Heywood case trên một biến quan sát (manifest), thay vì trên biến ẩn (latent).
Bài tập này là một phần của khóa học
Mô hình Phương trình Cấu trúc với lavaan trong R
Hướng dẫn bài tập
- Phân tích dữ liệu cập nhật
adoptsurveycho mô hình hai nhân tốadopt.modelbằng hàmcfa(). - Theo dõi các cảnh báo sau khi chạy
cfa(). - Dùng hàm
summary()để xem biến quan sát nào đang gây vấn đề.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Build the model
adopt.model <- 'goodstory =~ pictures + background + loveskids
inperson =~ energy + wagstail + playful'
# Analyze the model and include the data argument
adopt.fit <- cfa(___)
# Summarize the model to view the negative variances