问题标签 [r-lavaan]

lavaan提供了跨组约束参数的机会。假设我的数据中有两组。假设以下模型：

然后使用以下内容，我可以限制两组的截距：

但是，当我将此模型与无约束模型进行比较时，自由度和 Chi2 的差异为零 (0)。这怎么可能？

此外，当我约束其他参数（例如方差）时，例如：

...并将约束模型与无约束模型进行比较，自由度的差异为 2，而不是 1，正如我对约束单个参数所期望的那样：

因此，我的问题是：约束各种参数（尤其是截距和方差）如何影响 lavaan 的自由度？

我正在尝试使用验证性因子分析 (CFA) 从两个变量（以李克特 5 点量表测量）中获取单个因子。我了解具有 1 个因子和 2 个负载的模型的自由度为 -1 ，因此该模型未指定。但是，我已经看到了使用两个变量作为单个潜在因素的载荷的模型。

我尝试使用 sklearn 在 Python 中运行 CFA，但它返回了两个负载的负因子负载，我认为这是不正确的。

Python代码（带数据）：

输出：

我还尝试使用“lavaan”库在 R 中运行 CFA，它返回以下错误：

lav_model_vcov(lavmodel = lavmodel, lavsamplestats = lavsamplestats, : "lavaan WARNING: 无法计算标准误差！信息矩阵无法反转。这可能是模型未识别的症状。"

我是 CFA 和结构方程建模 (SEM) 的新手，如果有人能解释我的错误（或者我应该说错误！），我将不胜感激。

我正在尝试lavaan使用语法术语运算符:（它适用于双向交互）来估计 R 中具有三向交互的模型。似乎lavaan忽略了三向交互。

要重现该问题，可以使用

我错过了什么吗？

我希望使用三个变量在 R 中运行 RI-CLPM。本文的作者 (Mond & Nestler, 2017) 慷慨地使语法（如下）可用于两个变量模型。

除了添加 3 个额外的稳定性和滞后路径之外，我遇到了一些困难——我希望能帮助我修改代码以合并第三个变量。

运行中介分析时，如何遍历包含变量名称排列的数据框行lavaan？

假设我有 4 个变量var1, var2, var3, var4:

使用gtools::permutations()I 将 4 个变量的所有可能排列保存在 3 个组中：

然后我使用lavaan语法设置中介模型，我对 and 之间的关系的中介效应M感兴趣：XY

我想运行模型并存储它的结果以供将来检查：

我的问题是这样的：

如何指示R使用Y,X,M的每一行中的变量名，permut使用来自的数据df和模型语法来拟合模型，mod并最终存储每个模型拟合的结果？

上面的代码是我想用同样的方式运行更复杂的模型的最简单的可能场景。

我知道有关循环不同变量的线性模型的答案：循环遍历所有可能的组合，循环遍历回归模型项的组合，每个自变量的线性回归循环分别针对因变量，并且可能是最接近的：如何使用参考变量通过公式中的字符串？，但我仍然被困在周末无法解决这个问题。

我目前正在处理 8 个 wave 的数据，每个 wave 现在都存储在它自己的数据框中。我已经通过大量重复完成了大部分数据清理，因为我无法弄清楚如何让 R 在不同的数据帧上运行相同的脚本。现在我想用 Lavaan 做一个 CFA，我注意到脚本变得非常混乱，CFA 正在为所有 8 个波的多个变量完成。我很想找到一种方法来简化我的脚本，以便我和其他人都清楚。在下面，您可以找到一个简短的示例，说明“长”版代码的外观，但我希望在缩短它方面得到一些帮助！

我试过使用 for 循环，但我无法让它工作。

如果您有任何提示，请告诉我，这样我就可以停止复制粘贴相同的代码并替换 df 中的数字！

...

I am trying to do latent growth curve modelling using lavaan on two latent variables with three time points. For each latent variable (EF and PEF), there are three indicators.

1st problem:

How do we specify individually varying time intervals? Participants come in every 6 months but realistically, some come after 5 months, some come after 8 months, ending up with individually varying time intervals.

I tried using

intP =~ 1*inh1+ 1*inh2 + 1*inh3 + 1*shif1 + 1*shif2 + 1*shif3 + 1*wm1 + 1*wm2 + 1*wm3

intE =~ 1*gs1+ 1*gs2 + 1*gs3 + 1*ss1 + 1*ss2 + 1*ss3 + 1*sop1 + 1*sop2 + 1*sop3

slopeP=~0*inh1+ inh2 + 1*inh3 + 0*shif1 + shif2 +1*shif3 + 0*wm1 + wm2 + 1*wm3

slopeE=~0*gs1 + gs2 + 1*gs3 + 0*ss1 + ss2 + 1*ss3 + 0*sop1 + sop2 + 1*sop3

• I wonder if this code interprets what I want to specify?

2nd problem: cross-lagged panel modelling for directionality

How do we specify the directionality (perhaps bi-directionality) between the two latent variables over time?

First of all, to figure out what the directionality will be like, I've done panel modelling. In the cross-lagged panel modelling context, I've tried to compare the 4 models:

a. no coupling

b. EF->PEF

c. PEF->EF

d. bidirectoinality - BUT I couldn't figure out how to specify the reciprocity.

What I've tried is to include both directions in one model. Is this right?

• PEF predicting EF

EF2+EF3 ~ PEF1

EF3 ~ PEF2

• EF predicting PEF

PEF2+PEF3 ~ EF1

PEF3 ~ EF2

3rd problem: Specifying the directionality in latent growth curve context?

I've tried:

intP ~~ intP

intE ~~ intE

slopeP ~~ slopeP

slopeE ~~ slopeE

intE ~~ slopeE

intE ~~ slopeP

slopeP ~~slopeE

Does this interpret what I mean? I want to see if: a. intercept of EF predicts slope of EF and/or of PEF b. intercept of PEF predicts slope of EF and/or of PEF c. whether they are reciprocal or whether either of a or b is better fitting

4th question: Model not converging

So the last code is for random intercept, random slope model. But when I run the code, it doesn't converge - any suggestions as to why? I can think of sample-specific reasons (E.g., small/incomplete sample size) but anything else?

Thank you so much for any comments!!

就像在标题中一样，我正在为 lavaan 包搜索 AR(p) 或 MA(q) 或 ARMA(p,q) 输入，这将是正确的。

我已经看过一些书，但我不明白如何完全正确地做到这一点。有些书还说自回归模型的参数会发生变化，这对我来说不是真的。

ARMA(p,q) 过程也有估计误差为 0 均值和相同的常数方差，我认为模型中没有描述

当我使用 FIML 在 lavaan 中执行以下 CFA 时，似乎该算法首先使用 EM，然后使用 NLMINB（准牛顿）。我想我知道如何使用参数控制 NLMINB 优化的各个方面control，但我不知道如何或是否可以控制 EM 部分。这是一个例子。

所以很明显，EM 是在 NLMINB 之前完成的。所以，首先我想知道为什么。其次，我可以修改关于这个初始 EM 步骤的任何内容吗？我尝试使用em参数，如em.fx.tol,em.iter.max和em.dx.tol, 没有任何效果。

或者

但无论哪种情况，EM 迭代都超过 5。

我有几个变量，比如X1，Xn我想在我的 SEM 中包含每对变量之间的相关性（我使用lavaanR 软件的包）。

我知道我可以指定

等等。

有没有更短的方法来实现这一目标？