R 在Lavan中运行CFA-显示潜在变量之间的相关性
我已经进行了验证性因素分析,现在我想应用Fornell/Larcker标准。为此,我需要潜在变量之间的相关性。如何显示/检索潜在变量之间的相关性 我已尝试使用以下命令生成输出: 标准化解决方案拟合 summaryfit,fit.measures=TRUE lavInspectfit,标准化 但这些命令都不会在潜在变量之间生成phi协方差。因此,我有两个问题: 1那么,有人知道如何在r中显示验证性因素分析的潜在变量吗 2查看LaInspectFit的输出,参见文本底部的链接。它生成$psi而不是phi。psi可能是phi吗?因为它生成的矩阵看起来像一个相关矩阵 代码如下:R 在Lavan中运行CFA-显示潜在变量之间的相关性,r,correlation,R,Correlation,我已经进行了验证性因素分析,现在我想应用Fornell/Larcker标准。为此,我需要潜在变量之间的相关性。如何显示/检索潜在变量之间的相关性 我已尝试使用以下命令生成输出: 标准化解决方案拟合 summaryfit,fit.measures=TRUE lavInspectfit,标准化 但这些命令都不会在潜在变量之间生成phi协方差。因此,我有两个问题: 1那么,有人知道如何在r中显示验证性因素分析的潜在变量吗 2查看LaInspectFit的输出,参见文本底部的链接。它生成$psi而不是p
#packages
library(lavaan)
library(readr)
CNCS<- read_delim("Desktop/20190703 Full Launch/Regressionen/Factor analysis/CNCS -47 Reversed.csv",
";", escape_double = FALSE, trim_ws = TRUE)
View(CNCS)
library(carData)
library(car)
CNCS.model <-
'AttitudeTowardsTheDeal =~ Q42_1 + Q42_2 + Q42_3
SubjectiveNormsImportance =~ Q43_r1 + Q43_r2 + Q43_r3 + Q43_r4
SubjectiveNormsFavour =~ Q44_r1 + Q44_r2 + Q44_r3 + Q44_r4
EaseOfPurchasing =~ Q45_r1 + Q45_r2 + Q45_r3 + Q45_r4 + Q45_r5 + Q45_r6
SE =~ Q3_r1 + Q3_r2 + Q3_r3 + Q4_r4
Consumer Innovativeness =~ Q4_r1 + Q4_r2 + Q4_r3 + Q4_r4 + Q4_r5
Purchase Intention =~ Q41moeglich_1 + Q41gewiss_1 + Q1wahrscheinlich_1 + Q41vorauss_1'
fit <- cfa(CNCS.model, data=CNCS)
summary(fit, fit.measures=TRUE)
lavInspect(fit,"standardized")
standardizedSolution(fit)
lavInspectfit的部分输出,标准化
以手册中给出的cfa为例:
library(lavaan)
## The famous Holzinger and Swineford (1939) example
HS.model <- ' visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
speed =~ x7 + x8 + x9 '
fit <- cfa(HS.model, data=HolzingerSwineford1939)
获得
...
Latent Variables:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
visual =~
x1 1.000 0.900 0.772
x2 0.554 0.100 5.554 0.000 0.498 0.424
x3 0.729 0.109 6.685 0.000 0.656 0.581
textual =~
x4 1.000 0.990 0.852
x5 1.113 0.065 17.014 0.000 1.102 0.855
x6 0.926 0.055 16.703 0.000 0.917 0.838
speed =~
x7 1.000 0.619 0.570
x8 1.180 0.165 7.152 0.000 0.731 0.723
x9 1.082 0.151 7.155 0.000 0.670 0.665
Covariances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
visual ~~
textual 0.408 0.074 5.552 0.000 0.459 0.459
speed 0.262 0.056 4.660 0.000 0.471 0.471
textual ~~
speed 0.173 0.049 3.518 0.000 0.283 0.283
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.x1 0.549 0.114 4.833 0.000 0.549 0.404
.x2 1.134 0.102 11.146 0.000 1.134 0.821
.x3 0.844 0.091 9.317 0.000 0.844 0.662
.x4 0.371 0.048 7.779 0.000 0.371 0.275
.x5 0.446 0.058 7.642 0.000 0.446 0.269
.x6 0.356 0.043 8.277 0.000 0.356 0.298
.x7 0.799 0.081 9.823 0.000 0.799 0.676
.x8 0.488 0.074 6.573 0.000 0.488 0.477
.x9 0.566 0.071 8.003 0.000 0.566 0.558
visual 0.809 0.145 5.564 0.000 1.000 1.000
textual 0.979 0.112 8.737 0.000 1.000 1.000
speed 0.384 0.086 4.451 0.000 1.000 1.000
您可以分别在“估计”列的“协方差:”和“方差:”部分中找到协方差矩阵的条目,并在“Std.lv”列中找到相关矩阵的条目
请注意,inspect或lavispect提供了参数what,默认情况下,该参数是用free指定的。摘自手册,其他三个相关选项包括
est:模型矩阵列表。这些值表示估计的模型参数。别名:估计值和x
std:模型矩阵列表。这些值代表完全标准化的模型参数。观测变量和潜在变量的方差都设置为统一。别名:std.all,标准化
标准lv:模型矩阵列表。这些值代表标准化模型参数,只有潜在变量的方差设置为单位
参考汇总列估计标准lv和标准all。进一步尝试以下行
cov2cor(lavInspect(fit, what = "est")$psi)
如果还有任何疑问,我建议您咨询、包装或。您好,马可。请在您的问题中提供完整的代码和软件包。这可以帮助其他人更好地解决这个问题。我认为在crossvalidatedstats.stackexchange.com上问这个问题会更好。谢谢你的提示,一月。这是CrossValidated@January上的帖子,我的问题在CrossValidated上被推迟了话题,所以它仍然在这里。LOL:-对此我很抱歉。恐怕在这里要得到更好的答复并不容易,但我祈祷。
cov2cor(lavInspect(fit, what = "est")$psi)