1 背景
结构方程模型是很常见的一种研究,目前R已经可以完成该内容的分析。
本文将介绍用R进行SEM的分析和研究。
2 数据介绍
PS: 数据链接上传到资源,可以关注后免费下载(只有积分和关注两个选项呀),一般小伙伴用来学习。
数据链接:https://download.csdn.net/download/weixin_44585839/13698757
数据字典如下:
3 SEM模型
3.1 模型
我希望使用R实现如下模型。
3.2 代码
模型构成比较简单:
- =~ 符号是显变量和隐变量之间做对应
- ~是regression的路径
Model3 <- '
# measurement model
SET1 =~ se11 + se12 + se13 + se14 + se15 + se16
SET2 =~ se21 + se22 + se23 + se24 + se25 + se26
SET3 =~ se31 + se32 + se33 + se34 + se35 + se36
SIT1 =~ si11 + si12 + si13 + si14 + si15 + si16
SIT2 =~ si21 + si22 + si23 + si24 + si25 + si26
SIT3 =~ si31 + si32 + si33 + si34 + si35 + si36
SNT1 =~ sn11 + sn12 + sn13 + sn14 + sn15 + sn16
SNT2 =~ sn21 + sn22 + sn23 + sn24 + sn25 + sn26
SNT3 =~ sn31 + sn32 + sn33 + sn34 + sn35 + sn36
# regressions
SET2 ~ SET1 + SIT1 + SNT1
SIT2 ~ SET1 + SIT1 + SNT1
SNT2 ~ SET1 + SIT1 + SNT1
SET3 ~ SET2 + SIT2 + SNT2
SIT3 ~ SET2 + SIT2 + SNT2
SNT3 ~ SET2 + SIT2 + SNT2
'
summary(fit3,standardized=T,fit.measures=T,rsq=T,modindices = TRUE)
semPaths(fit3, intercept = FALSE, whatLabel = "est",
residuals = FALSE, exoCov = FALSE)
fitMeasures(fit3,c("chisq","df","gfi","agfi","cfi","nfi","ifi","srmr","rmsea"))
3.3 结果
输出绘图如下。绘图有很多调整参数,具体可以查看一下semPaths函数的用法。
模型指标提取如下,具体模型指标需要查看summary。