时间戳

首页 > 解决方案 > 如何使用 r 中的 lavaan 包获取 CFA 中因子的相关矩阵和 p 值？

r - 如何使用 r 中的 lavaan 包获取 CFA 中因子的相关矩阵和 p 值？

问题描述

我正在使用 r 中的 lavaan 包在我的问卷上运行 CFA。如何获得包含显着性水平数据的因子相关矩阵？（即 p 值）当我使用这条线时，cov2cor(inspect(fit, what = "est")$psi)我得到了矩阵，但没有得到 p 值。

这是模型的示例代码：

CFA.model <- ' visual  =~ x1 + x2 + x3
              textual =~ x4 + x5 + x6
              speed   =~ x7 + x8 + x9 '

fit <- lavaan(CFA.model, data = HolzingerSwineford1939,
              auto.var=TRUE, auto.fix.first=TRUE,
              auto.cov.lv.x=TRUE)

标签： rr-lavaan

解决方案

我不会认为 p 值是估计值。它们更像是随机值。这是否提供了您正在寻找的东西？

 inspect(fit, what = "test")
$standard
$standard$test
[1] "standard"

$standard$stat
[1] 85.30552

$standard$stat.group
[1] 85.30552

$standard$df
[1] 24

$standard$refdistr
[1] "chisq"

$standard$pvalue
[1] 8.502553e-09

编辑：您正在使用协方差，它们可能不是正态分布的。此外，尚不清楚应该测试什么假设。似乎作者cov2cor认为不适合对从协方差派生的相关性进行统计检验。的作者lavaan并且inspect.lavaan也认为不适合构建 p 值矩阵，所以也许这些不是明智的任务。您能否提供一个可以审查的参考，以支持此请求具有统计意义或无法解释？如果你能做到这一点，那么可能是分离作为底层结构的 S4 对象的机制。fit. 但是除非我能得到一些理论指导，否则我觉得没有资格在代码中乱七八糟，直到我能找到一个标准误差矩阵并将相关性或协方差的比率与这些值进行比较。

您所期望的可能是通过以下方式交付的summary.lavaan：

summary(fit)
#-----------------------------------
lavaan 0.6-6 ended normally after 35 iterations

  Estimator                                         ML
  Optimization method                           NLMINB
  Number of free parameters                         21
                                                      
  Number of observations                           301
                                                      
Model Test User Model:
                                                      
  Test statistic                                85.306
  Degrees of freedom                                24
  P-value (Chi-square)                           0.000

Parameter Estimates:

  Standard errors                             Standard
  Information                                 Expected
  Information saturated (h1) model          Structured

Latent Variables:
                   Estimate  Std.Err  z-value  P(>|z|)
  visual =~                                           
    x1                1.000                           
    x2                0.554    0.100    5.554    0.000
    x3                0.729    0.109    6.685    0.000
  textual =~                                          
    x4                1.000                           
    x5                1.113    0.065   17.014    0.000
    x6                0.926    0.055   16.703    0.000
  speed =~                                            
    x7                1.000                           
    x8                1.180    0.165    7.152    0.000
    x9                1.082    0.151    7.155    0.000

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)
  visual ~~                                           
    textual           0.408    0.074    5.552    0.000
    speed             0.262    0.056    4.660    0.000
  textual ~~                                          
    speed             0.173    0.049    3.518    0.000

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)
   .x1                0.549    0.114    4.833    0.000
   .x2                1.134    0.102   11.146    0.000
   .x3                0.844    0.091    9.317    0.000
   .x4                0.371    0.048    7.779    0.000
   .x5                0.446    0.058    7.642    0.000
   .x6                0.356    0.043    8.277    0.000
   .x7                0.799    0.081    9.823    0.000
   .x8                0.488    0.074    6.573    0.000
   .x9                0.566    0.071    8.003    0.000
    visual            0.809    0.145    5.564    0.000
    textual           0.979    0.112    8.737    0.000
    speed             0.384    0.086    4.451    0.000

推荐阅读