タグ付けされた質問 「sem」

GAMを使用すると、残留DFは（コードの最終行）になります。どういう意味ですか？GAMの例を超えて、一般に、自由度の数を整数以外の数にすることはできますか？26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter for gaussian family taken to be 6.6717) Null Deviance: 1126.047 on 31 degrees of freedom Residual Deviance: 177.4662 on 26.6 degrees of …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

同僚から、この主題についてのいくつかの助けを求められますが、私は本当に知りません。彼らは1つの研究でいくつかの潜在変数の役割について仮説を立て、審判は彼らにこれをSEMで形式化するように依頼した。彼らが必要とすることはそれほど難しくないように思えるので、私はそれを試してみると思う...今のところ、私はちょうど主題への良い紹介を探しています！ これについては、Googleは本当に私の友人ではありませんでした。事前に感謝します... PS：John FoxによるRのsemパッケージによる構造方程式モデリングと、同じ著者によるこのテキストを読みました。私の目的にはこれで十分だと思いますが、とにかく他の参考文献は大歓迎です。

24 references  modeling  sem  psychometrics 

統計コンサルティングの設定でこの問題が頻繁に発生していることに気付きました。あなたの考えを聞きたいと思いました。 コンテキスト 私は、次のような研究を行った研究生とよく話します。 観察研究 サンプルサイズは100、200、300などです。 複数の心理的尺度が測定されている（たとえば、不安、抑うつ、性格、態度、他の臨床的尺度、おそらく知性など） 研究者は関連する文献を読み、考えられる原因プロセスについていくつかの考えを持っています。多くの場合、前件、プロセス変数、および結果変数への変数の一般的な概念化があります。彼らはまた、構造方程式モデリングが、研究している一連の変数間の関係の全体的なモデルをテストするのにより適しているとよく耳にしました。 質問 どのような条件下で、構造方程式モデリングがそのような研究を分析するための適切な手法だと思いますか？ 構造方程式モデリングを推奨しない場合、どのような代替手法を推奨しますか？ そのような場合に構造方程式モデリングを使用することを検討している研究者にどのようなアドバイスをしますか？

20 scales  causality  sem  observational-study 

ここでの用語は混乱です。「構造方程式」は「建築の橋」と同じくらいあいまいで、「ベイジアンネットワーク」は本質的にベイジアンではありません。さらに良いことに、因果関係の神、Judea Pearlは、2つのモデルのモデルはほとんど同一であると述べています。 それで、重要な違いは何ですか？ （私にとって驚くべきことに、SEMのWikipediaページには、この記事の執筆時点では「ネットワーク」という言葉すら含まれていません。）

19 sem  bayesian-network  causality 

すべての変数がグループ内にネストされた個々の観測値であるマルチステージパスモデル（AはBを予測し、BはCを予測し、CはDを予測します）をテストします。これまで、Rでの複数のユニークなマルチレベル分析を通じてこれを行ってきました。 SEMのような手法を使用して、複数のパスを同時にテストし（A-> B-> C-> D）、2レベル（グループ内の個人）を適切に処理することをお勧めします。 MPLUSがこれを処理できることを理解しています。使用できるRパッケージはありますか？

18 r  multilevel-analysis  sem  path-model 

部分最小二乗回帰（PLSR）または部分最小二乗構造方程式モデリング（PLS-SEM）では、「部分」という用語は何を指しますか？

16 multiple-regression  least-squares  terminology  sem  partial-least-squares 

構造方程式モデリングに特定の、またはより適用可能なグラフィカル手法があるかどうか興味があります。これは、共分散分析用の探索ツールやSEMモデル評価用のグラフィカルな診断のカテゴリに分類されると思います。（私はここでパス/グラフ図を本当に考えていません。）

14 sem  data-visualization 

誰かが他のものよりも選択する理由についての例を提供できますか？それらは別々に計算されますか？

13 sem  psychometrics  psychology  scale-construction 

R lavaanパッケージを使用して、構造方程式モデルを推定しています。モデルが、1つの潜在的変数と2つの明示的な説明変数を持つ1つの内在的マニフェスト変数で構成されているとします。 group = {0,1} attitude1 = latent,scale age = respondent's age 目的の溶岩モデルは次のとおりです（機能しません）。 model <- ' attitude1 =~ att1 + att2 + att3 outcome ~ age*group + attitude1*group' 私の目標は、線形回帰でできることの範囲で、各変数とグループの間に主効果と相互作用効果を確立することです。これはできますか？

13 r  interaction  sem  lavaan 

Amos 18で構造方程式モデル（SEM）を実行しています。実験に100人の参加者（緩やかに使用）を探していましたが、SEMを成功させるにはおそらく十分ではないと思われました。SEM（EFA、CFAとともに）は「大規模なサンプル」統計手順であると繰り返し言われました。簡単に言えば、私は100人の参加者には到達しませんでした（なんて驚きです！）。問題のある2つのデータポイントを除外した後は42人しかいません。興味深いことに、とにかくこのモデルを試してみましたが、驚いたことに、非常にうまく適合しているようでした！CFI> .95、RMSEA <.09、SRMR <.08。 このモデルは単純ではありません。実際、比較的複雑だと思います。2つの潜在変数があり、1つは観測値が2つ、もう1つは観測値が5つあります。また、モデルには4つの追加の観測変数があります。間接変数と直接変数には多くの関係があり、例として、いくつかの変数は他の4つの変数に内因性があります。 私はSEMにやや不慣れです。ただし、SEMに精通している私が知っている2人の個人は、フィットインデックスが良好である限り、効果は解釈可能であり（有意である限り）、モデルに重大な「誤り」はないことを教えてくれます。いくつかの適合指数は、良好な適合を示唆するという点で小さなサンプルに対してバイアスがかけられていることを知っていますが、前述の3つはうまく見えるようで、同様にバイアスがかけられていないと思います。間接的な影響をテストするために、ブートストラップ（2000サンプル程度）を使用しています。90％のバイアス補正信頼度、モンテカルロ。さらに、3つの異なる条件に対して3つの異なるSEMを実行しています。 私はあなたの何人かを考慮したい2つの質問があります、そして、あなたが貢献する何かがあるならば、返信してください： 適合指数で実証されていないモデルに重大な弱点はありますか？小さなサンプルは研究の弱点として強調されますが、私が完全に忘れている大きな統計的問題があるかどうか疑問に思っています。将来、さらに10〜20人の参加者を獲得する予定ですが、このような分析のサンプルは比較的少ないままです。 私の小さなサンプル、または私がそれを使用しているコンテキストを考えると、ブートストラップの使用に問題はありますか？ これらの質問がこのフォーラムにとって「基本的」すぎないことを願っています。私はSEMおよび関連事項に関する多くの章を読みましたが、この分野の意見に関しては人々が非常に分散していることがわかりました！ 乾杯

13 modeling  sample-size  bootstrap  sem 

スケールを構築する際に、スコアの単純な合計に対して「ファクタスコア」を使用するタイミングについての提案を受け取りたいと思います。すなわち、因子をスコアリングする「洗練されていない」方法よりも「洗練された」。DiStefanoらから。（2009; pdf）、強調が追加されました： 因子スコアの計算方法には、改良型と非改良型の2つの主要なクラスがあります。洗練されていない方法は、因子分布に関する個人の配置に関する情報を提供する比較的単純な累積手順です。シンプルさは、いくつかの魅力的な機能に役立ちます。つまり、洗練されていないメソッドは、計算も解釈も簡単です。洗練された計算方法は、より高度で技術的なアプローチを使用して因子スコアを作成します。 これらは、洗練されていない方法よりも正確で複雑であり、標準化されたスコアである推定値を提供します。 私の考えでは、目標が研究や設定全体で使用できるスケールを作成することである場合、すべてのスケール項目の単純な合計または平均スコアが理にかなっています。しかし、目標はプログラムの治療効果を評価することであり、重要な対照はサンプル内の治療対対照群にあるとしましょう。合計または平均をスケールするために因子スコアを好む理由はありますか？ 代替案を具体的にするには、次の簡単な例をご覧ください。 library(lavaan) library(devtools) # read in data from gist ====================================================== # gist is at https://gist.github.com/ericpgreen/7091485 # this creates data frame mydata gist <- "https://gist.github.com/ericpgreen/7091485/raw/f4daec526bd69557874035b3c175b39cf6395408/simord.R" source_url(gist, sha1="da165a61f147592e6a25cf2f0dcaa85027605290") head(mydata) # v1 v2 v3 v4 v5 v6 v7 v8 v9 # 1 3 4 3 4 3 3 …

12 factor-analysis  sem  scales 

データの潜在状態の数を推定するために、隠れマルコフモデル（HMM）を近似しようとする時系列データセットがあります。これを行うための私の擬似コードは次のとおりです。 for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } さて、通常の回帰モデルでは、BICは最もpar約的なモデルを好む傾向がありますが、HMMの場合、それが何をしているのかわかりません。BIC基準がどのようなHMMの傾向があるのか​​を実際に知っている人はいますか？また、AICと尤度値も取得できます。州の真の総数を推測しようとしているので、これらの基準の1つは、この目的のために他の基準よりも「優れている」のでしょうか。

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

誰かが同時方程式モデルと構造方程式モデル（SEM）の違いを理解するのを手伝ってくれませんか？誰かが私にそれについてのいくつかの文献を提供できるなら、それは素晴らしいことです。 また、時系列の文脈でSEMが使用されている文献はありますか？私が入手している文献は、主に断面データのコンテキストでSEMについて説明されています。 ありがとうございました！

12 time-series  references  sem 

を使用して確認因子分析（CFA）を試みていlavaanます。によって生成された出力を解釈するのに苦労していlavaanます。 私は単純なモデルを持っています-収集された調査データからのアイテムによってそれぞれサポートされる4つの要素。これらの要素は、それらが有効な測定値として機能する可能性が高いと思われる程度まで、項目によって測定されるものと一致しています。 私はによって生成次の出力を理解する助けてくださいlavaanさんをcfa()： Number of observations 1730 Estimator ML Minimum Function Test Statistic 196.634 Degrees of freedom 21 P-value (Chi-square) 0.000 Model test baseline model: Minimum Function Test Statistic 3957.231 Degrees of freedom 36 P-value 0.000 User model versus baseline model: Comparative Fit Index (CFI) 0.955 Tucker-Lewis Index (TLI) 0.923 …

11 r  sem  confirmatory-factor  lavaan 

この質問はここで行われましたが、誰も良い答えを出しませんでした。ですから、もう一度提示するのは良い考えだと思います。また、コメントや質問をさらに追加したいと思います。 最初の質問は、「PLSパスモデリング」と「PLS回帰」の違いは何ですか？より一般的に言えば、構造方程式モデリング（SEM）、パスモデリング、回帰とは何ですか？私の理解では、回帰は予測に重点を置いていますが、SEMは応答と予測子の関係に重点を置いており、パスモデリングはSEMの特別なケースですか？ 2つ目の質問は、PLSはどの程度信頼できるかということです。最近、Rönkköet al。で強調されたように、多くの批判の対象となっています。2016およびRönkköet al。2015のような高ティア誌にPLSに基づいて論文の拒否にどのリード運用管理のジャーナル（ここでは雑誌編集者からの注記があります）： PLSは例外なく、OM研究者が使用するモデルの種類におけるモデリングアプローチが間違っていると結論付けたため、実質的にすべてのPLSベースの原稿を拒否しています。 私の分野は分光学であり、管理/心理学や統計学ではありません。上記でリンクされた論文では、著者はSEM法としてのPLSについてより多く話しているが、私には、彼らの批判はPLS回帰にも当てはまると思われる。

11 sem  partial-least-squares  path-model