希望有人可以在这里提供一些指导。
我正在使用 simDesign 包创建一个多元模拟,我正在改变因子的数量以及每个因子上加载的项目。我想编写一个命令来识别 factornumbers 中存在的因素数量并为它们分配适当的项目(无交叉加载)。我将测试以下条件的所有组合以及更多,并且我希望有一个模型命令来确认不同模型的迭代,因此我不必编写多个模型语句。
factornumbers<-c(1,2,3,5)
itemsperfactor<-c(5,10,30)
lavaan 和 mirt 正在寻找的内容如下:
mirtmodel<-mirt.model('
F1=1-15
F2=16-30
MEAN=F1,F2
COV=F1*F2')
lavmodel <- ' F1=~ Item_1 + Item_2 + Item_3 + Item_4 + Item_5 + Item_6 + Item_7 + Item_8 + Item_9 + Item_10 + Item_11 + Item_12 + Item_13 + Item_14 + Item_15
F2=~ Item_16 + Item_17 + Item_18 + Item_19 + Item_20 + Item_21 + Item_22 + Item_23 + Item_24 + Item_25 + Item_26 + Item_27 + Item_28 + Item_29 + Item_30'
simDesign 包提供了这个示例,我想对其进行扩展,但我不确定我是否掌握诀窍:
lavmodel<-paste0('F=~ ', paste0(colnames(dat)[1L], ' + '),
paste0(colnames(dat)[-1L], collapse = ' + '))
我想要的是一个单独的 mirt 和 lavaan 命令,它可以找到在 factornumbers 命令中指定的因子数量,并分配数据中指定的正确项目以及 itemsperfactor。
编辑:我希望模型识别能够确定哪个因素和项目结构用于该条件,并用正确的信息填写模型识别。
例如:
mirtmodel<-mirt.model('
F1=1-1
F2=6-10
F3=11-15
F4=16-20
F5=21-25
MEAN=F1,F2,F3,F4,F5
COV=F1*F2*F3*F4*F5')
或者
mirtmodel<-mirt.model('
F1=1-30
F2=31-60
MEAN=F1,F2
COV=F1*F2')
还有相应的lavaan模型。