잠복 변수 (SEM)를 사용한 구조 방정식 모델링에서 일반적인 모델 공식은 잠복 변수가 일부 변수에 의해 발생하고 다른 변수에 의해 반영되는 "다중 표시기, 다중 원인"(MIMIC)입니다. 다음은 간단한 예입니다.
기본적으로 f1
의 회귀 결과입니다 x1
, x2
그리고 x3
, 그리고 y1
, y2
그리고 y3
에 대한 측정 지표이다 f1
.
복합 잠재 변수를 정의 할 수도 있는데, 여기서 잠재 변수는 기본적으로 구성 변수의 가중 조합에 해당합니다.
내 질문 은 다음과 같습니다f1
. 회귀 결과로 정의하는 것과 MIMIC 모델에서 복합 결과로 정의하는 것 사이에 차이가 있습니까?
lavaan
소프트웨어를 사용한 일부 테스트 R
는 계수가 동일하다는 것을 보여줍니다.
library(lavaan)
# load/prep data
data <- read.table("http://www.statmodel.com/usersguide/chap5/ex5.8.dat")
names(data) <- c(paste("y", 1:6, sep=""), paste("x", 1:3, sep=""))
# model 1 - canonical mimic model (using the '~' regression operator)
model1 <- '
f1 =~ y1 + y2 + y3
f1 ~ x1 + x2 + x3
'
# model 2 - seemingly the same (using the '<~' composite operator)
model2 <- '
f1 =~ y1 + y2 + y3
f1 <~ x1 + x2 + x3
'
# run lavaan
fit1 <- sem(model1, data=data, std.lv=TRUE)
fit2 <- sem(model2, data=data, std.lv=TRUE)
# test equality - only the operators are different
all.equal(parameterEstimates(fit1), parameterEstimates(fit2))
[1] "Component “op”: 3 string mismatches"
이 두 모델은 수학적으로 어떻게 동일합니까? 내 이해는 SEM의 회귀 수식이 복합 수식과 근본적으로 다르지만이 발견은 그 아이디어를 거부하는 것으로 보입니다. 또한 ~
연산자 와 연산자를 교환 할 수 없는 모델을 쉽게 만들 수 있습니다 <~
( lavaan
구문 사용). 일반적으로 다른 변수 대신 하나를 사용하면 모델 식별 문제가 발생합니다. 특히 잠복 변수가 회귀 다른 수식에 사용될 때 특히 그렇습니다. 그렇다면 언제 상호 교환이 가능합니까?
Rex Kline의 교과서 (구조 방정식 모델링의 원리와 실습)는 복합 용어와 함께 MIMIC 모델에 대해 이야기하는 경향이 있지만의 저자 인 Yves Rosseel lavaan
은 내가 본 모든 MIMIC 예제에서 회귀 연산자를 명시 적으로 사용합니다.
누군가이 문제를 명확히 할 수 있습니까?
f1 ~ x1 + x2 + x3
,하지만 당신은 할 수 있습니다f1 <~ x1 + x2 + x3
?