反復測定構造方程式モデリング

臨床リハビリデータのデータセットを分析する必要があります。定量化された「インプット」（治療の量）と健康状態の変化との間の仮説に基づく関係に興味があります。データセットは比較的小さい（n〜70）が、両方の時間的変化を反映するデータを繰り返し使用しています。私はRの非線形混合効果モデリングに精通していますが、ここで入力と出力の間の潜在的な「因果関係」関係に興味があり、SEMの反復測定アプリケーションを検討しています

RのSEMパッケージ（sam、lavaan、openmx？）のどれが繰り返し測定データに特に適しているか、特に教科書の推奨事項（フィールドの「Pinheiro and Bates」はありますか？）に関するアドバイスをいただければ幸いです。 。

潜在成長曲線モデルが必要だと思います。私はこれにのみ使用LISRELしましたが、は、lavaan package documentationこのタイプのモデルに適合させるために使用できることを示しています。

私はこの主題を専門とする本を知りません、私がSEMのために作業している本はさまざまな方法をカバーしています。おそらく、他の誰かがあなたの質問のその側面に答えることができます。

いいえ、「ピンヘイロとベイツ」はありません。「AMOS / LISREL / Mplusを使用したSEM」のようなタイトルの本はたくさんありますが、Rを使用していることは知りません。数学的に言えば、SEMに関する最良の本はまだBollen（1989）です。それは生物統計学者ではなく社会学者によって書かれていますが（非常に優れたものです！）、社会科学者を対象としており、ソフトウェアへの参照はほとんど含まれていません（とにかく、4世紀前のソフトウェアは必要ありません）。 。Bollenは最近、Judea Pearlとの因果関係に関する優れた論文も共同執筆しています。http：//ftp.cs.ucla.edu/pub/stat_ser/r393.pdfを参照してください。私の知る限り、Mulaik（2009）も良いはずですが、心理学者が心理学者のために書いています。

私は、semパッケージがこの種のものを実行するのに十分な柔軟性があるとは思いません。OpenMxは序数データ（したがってバイナリの結果）を処理できますが、Lavaanがこれを実行できるとは思いません。

概念的に最も扱いやすいソフトウェアは、Stata用に作成されたパッケージGLLAMMかもしれません。ある見方をすると、これは本質的にのStataインカネーションです。追加の微調整（ランダム効果の係数が他の変数の値に応じて変化することを可能にする）により、潜在的な変数モデリングパッケージになります。これはすべて、Skrondal and Rabe-Hesketh（2004） ...に記載されています。これは、それだけでも持っていたいと思う優れた本です。nlmenlme

一般化線形混合モデルに慣れているようで、潜在変数に関心があるとは思わないのでlmer、D-Sepテストを使用して評価できる区分的アプローチを使用することをお勧めします。Shipley、B.（2009）を参照してください。一般化されたマルチレベルコンテキストでの確認パス分析。生態学、生態学、90、363–368。 例としてhttp://dx.doi.org/10.1890/08-1034.1をご覧ください。また、D分離の検定を計算する方法について、付録にRコードを提供しています。

最尤法を使用して潜在変数モデリングとSEMに本当に入りたい場合は、http：//lavaan.orgをチェックしてください。その機能をカバーする優れたチュートリアルと、潜在的な成長曲線モデルに関するセクションがあります。あなたがしています。