R中使用"lavaan“的固定效应和随机拦截模型:关于编码的建议

Question

我试图拟合一些路径模型，(即所有变量都被观察到，没有潜在变量)使用R中的“lavaan”。对于数据为完全池(下面的模型1 )的模型，我已经成功地做到了这一点。但是，这些数据是分组的，我想要建立一个模型来解释固定效应(模式2，下面)和随机效应(即按组随机截取；模型3，下面)。

我看过用户手册和其他各种在线资源，但是我很难想出如何对固定的和随机的效果模型进行编码。

我希望有人能就此提供一些建议。

我已经包括了简化版本的数据和模型，我试图适应下面。(我使用的是路径模型，因为实际数据包括更多的预测器和间接路径)。

数据集：变量为4个预测因子(P1-4)；1项结果(结果)；4组(每个观察属于四组中的一组: G1-4为虚拟变量)。所有变量都被观察到(即没有潜在变量)。

模型1：不考虑组的路径模型(即完全池)

这似乎很好。

model1 <-“

#回归方程

P2 ~ P1

结果~ P1 + P2 + P3 + P4

外源vars方差

P1 ~~ P1

P3 ~~ P3

P4 ~~ P4

外源vars协方差

P3 ~~ P4

内胆残差

P2 ~~ P2

结果~~结果

内毒素vars的covar (无)

“

fit1 <- lavaan(model1，data=mydata)

模型2:群固定效应

我不知道该怎么做…

问题：是通过将除一个组虚拟变量之外的所有变量作为外生变量，指定从每个虚拟变量到结果的路径，以及为每个虚拟变量包含一个方差项来实现的吗？这就是：

Model2 <-“

#回归方程

P2 ~ P1

结果~ P1 + P2 + P3 + P4 + G2 + G3 + G4

外源vars的#方差

P1 ~~ P1

P3 ~~ P3

P4 ~~ P4

G2 ~~ G2

G3 ~~ G3

G4 ~~ G4

外源vars协方差

P3 ~~ P4

内胆残差

P2 ~~ P2

结果~~结果

内毒素vars的covar (无)

“

fit2 <- lavaan(model2，data=mydata)

模型3:组的随机拦截

我看到您需要指定第1级(观察级)和第2级(组级)方程。我不知道如何正确地做这件事，但我的尝试如下。

问题：，为组指定具有随机拦截器的模型的正确方法是什么？而且，在对模型进行拟合时，如何正确地指定集群？

Model3 <-“

#回归方程

级别1:

P2 ~ P1

结果~ P1 + P2 + P3 + P4

2级：

结果~ G2 + G3 + G4

外源vars方差

P1 ~~ P1

P3 ~~ P3

P4 ~~ P4

G2 ~~ G2

G3 ~~ G3

G4 ~~ G4

外源vars协方差

P3 ~~ P4

内胆残差

P2 ~~ P2

结果~~结果

内毒素vars的covar (无)

“

fit3 <- lavaan(model3，data=mydata，集群=“？”)

任何建议都将不胜感激！

干杯

西蒙

Answer 1

外生预测器的均值和(Co)方差默认为给定的(fixed.x=TRUE)，因此不需要估计它们(也就是说，您可以将它们排除在模型语法之外)。

在模型3中，将G虚拟代码排除在模型之外。使用原始分组变量的名称(包含4个级别)作为cluster=参数，它将为所有建模的变量调用随机拦截。或者，如果您只指定一个单层模型，则cluster=参数会触发集群健壮的_SE_s和测试统计信息。这可能比随机截取更好，因为只有2.mlSEM级别的$N=4$在小样本中给出了高度偏倚的估计。但也许这就是你对方法的比较所要展示的。