设为首页 加入收藏

TOP

基于R语言的结构方程:lavaan简明教程 [中文翻译版](九)
2019-09-03 02:41:29 】 浏览:724
Tags:基于 语言 结构 方程 lavaan 简明教程 中文 翻译
4.796 0.138 0.137 0.136 0.136 37 speed =~ x1 0.014 0.024 0.015 0.013 0.013 38 speed =~ x2 1.580 -0.198 -0.123 -0.105 -0.105 39 speed =~ x3 0.716 0.136 0.084 0.075 0.075 40 speed =~ x4 0.003 -0.005 -0.003 -0.003 -0.003 41 speed =~ x5 0.201 -0.044 -0.027 -0.021 -0.021 42 speed =~ x6 0.273 0.044 0.027 0.025 0.025

再根据MI(一般以4为标准)和EPC值进行调整。


15. 从拟合方程中提取信息

summary():结果概览
parameterEstimates(fit):参数估计

 fit <- cfa(HS.model, data=HolzingerSwineford1939)
parameterEstimates(fit)

standardizedSolution():标准化参数估计

 fit <- cfa(HS.model, data=HolzingerSwineford1939)
standardizedSolution(fit)

fitted():拟合协方差矩阵和均值向量

 fit <- cfa(HS.model, data=HolzingerSwineford1939)
fitted(fit)

resid():拟合模型残差,[观测协方差矩阵/均值向量]和[隐含协方差矩阵/均值向量]的差

 fit <- cfa(HS.model, data=HolzingerSwineford1939)
resid(fit, type="standardized")

fitMeasures():返回所有拟合度量指标

 fit <- cfa(HS.model, data=HolzingerSwineford1939)
fitMeasures(fit)
fitMeasures(fit, "cfi") # 提取某个具体指标,例如cfi

inspect():查看拟合的lavaan对象具体信息


首页 上一页 6 7 8 9 下一页 尾页 9/9/9
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
上一篇时间序列深度学习:状态 LSTM 模.. 下一篇时间序列深度学习:seq2seq 模型..

最新文章

热门文章

Hot 文章

Python

C 语言

C++基础

大数据基础

linux编程基础

C/C++面试题目