我正在尝试用 R 绘制一个 sem 路径。

我使用来自 Mplus 的带有 semPaths {semPLot} 的 OUT 文件。

显然它似乎工作，但我想删除一些潜在的变量，我不知道如何。

我正在使用以下语法：

从 Mplus 出来：https ://www.dropbox.com/s/vo3oa5fqp7wydlg/questedMOD2.out?dl=0

我正在编辑我的问题，试图更清楚地说明我的 R 问题。我的问题是 semPaths() 没有打印 Std.lv 估计值。我的代码以 lavaan 代码开头，然后出现 semPaths 语句。

我提供 R 代码：

semPaths 语句绘制的路径系数在 lavaan 输出中标记为“估计值”。我试图绘制的是在 lavaan 输出中标记为“Std.lv”的估计值

谢谢。

“迈克”回答：在 sem 模型中将潜在因子方差设置为 1.0 (std.lv=TRUE)。我试过了

并获得此语法错误

lavaan我使用和库进行 SEM semplot，并使用 lavaan 包的示例（Wheaton 的异化稳定性）

而且我不明白什么代表了清单和潜在变量上的准确箭头。

我正在尝试semPlot在 Linux Mint 上使用带有 R 版本 3.2.3 的包。是降级我的 R 版本的唯一解决方案吗？我已经安装包 XML 没有错误。下面更新

跑：install.packages("semPlot",dependencies=T)错误：

更新 根据我发现我必须安装的评论：

我现在得到：

再次感谢我发现我必须安装的评论：

终于解决了我的问题，我能够安装软件包

以下中介模型来自lavaan 教程。下面我打印了使用包中的模型semPaths结构semPlot。但似乎缺少一条路径。

结果的回归部分为：

绘制模型semPaths仅使用显示三个回归路径中的两个。X -> Y 路径不显示。

有人可以解释为什么会这样或如何添加缺少的路径吗？

我发现了一篇关于lavaan使用DiagrammeR. 但是，DiagrammeR这篇文章中使用的版本是版本0.6，我在尝试重现版本代码时遇到了一些麻烦0.8（http://rich-iannone.github.io/DiagrammeR/docs.html）。

通过一些非常小的更改，代码如下所示

首先安装一个 SEMlavaan

现在这是帖子中提出的代码

到目前为止，一切都很好。

错误在这里

在 的文档中，DiagrammeR据说“将函数重命名为graphviz_graph和”。graphviz_rendercreate_graphrender_graph

但是，进行此更改不起作用

知道为什么吗？

其他问题。在这篇文章中，这段代码似乎没有绘制残差协方差。知道如何用 绘制残差协方差吗DiagrammeR？

谢谢

当我尝试运行 library(semPlot) 时，总是收到一条错误消息：

库（semPlot）错误：'semPlot' 的包或命名空间加载失败：对象'readPNG' não foi exportado por 'namespace:png'

此外，当我运行函数 sem Paths 另一个错误：

semPaths 中的错误（fit，title = FALSE，sizeMan = 4，sizeMan2 = 4，sizeLat = 4，：找不到函数“semPaths”

有人可以帮助我吗？

我正在尝试制作一个 SemPlot。我遇到的唯一问题是该图在清单变量的标签旁边显示了一些奇怪的线条。在照片中，您可以看到我的问题。我运行的代码是这样的：

情节和奇怪的线条：

我正在尝试使用 lavaan 和 semPlot 绘制路径分析图。

1）有没有人知道如何解释路径系数，尤其是那些不起源于任何地方但指向自己的路径系数，例如。系数 1.00 指向“DW”，系数 0.61 指向“ANTS”，系数 0.92 指向“RH”？

2) 知道如何自定义图表中的图形，例如添加标题或使框变大吗？我指的是这个网站（http://sachaepskamp.com/documentation/semPlot/semPaths.html），但它没有显示任何添加标题的示例，我一直在尝试不同的代码但没有成功。

3) 我应该提供什么信息？显示所有路径的 p 值并指出哪个是显着的就足够了吗？谢谢！

指定蚂蚁多样性模型

结果

绘图路径

路径分析图

我试图单独定位参数估计和协方差的边缘标签。对于参数估计，我希望它们为 0.1，而对于协方差和干扰，我希望它们为 0.5，但我只知道如何通过 edge.label.position 参数更改它们。

semPaths(fit,"std", layout = "tree3", whatLabels = "std", edge.label.cex=.9, curvePivot = TRUE, 残差 = TRUE, 旋转 = 2, sizeMan = 16, sizeMan2 = 6, sizeInt = 8, exoVar = FALSE, exoCov = FALSE, nodeLabels = c("Social","Intrapersonal", "Distress \nTolerance","Intrusion","Avoidance","NACM","Arousal","BPD \n 症状"), edge.label.position = .5, label.cex = .8, label.scale = FALSE)

我希望参数估计值位于明显变量附近的结构路径的左侧，而参数估计值位于协方差和干扰路径的中间。