RPubs - SEM,EFA,CFA,Path analysisHide Comments (–) Share Hide Toolbars
Rで共分散構造分析をする時の簡単なテンプレート - Qiita
追記 共分散構造分析に関する新しい記事を書きました。この記事にも共分散構造分析をする際のテンプレートになる様なコードを書きました。実際に分析する際に使用していたコードを載っけたので、こちらの方が参考になるかもしれません。 Rで共分散構造分析をする際に参考になりそうな情報まとめ - Qiita 「実際に分析する際のコードの例」という項です。 Rで共分散構造分析をする時のマニュアルみたいなものが欲しかったので、簡単なテンプレートを作成してみました。 分析に関する主なパラメータや、実行結果として表示される省略語の意味などもコメントしてあります。 このままでも、スクリプトを順に実行して行けば、PoliticalDemocracyデータを共分散構造分析する事が出来ます。 # ===============================================================
lavaanで作ったモデルからパス図を描く関数 - bob3’s blog
Rで構造方程式モデリング（共分散構造分析）を実行する場合、semパッケージかlavaanパッケージを使うことが多いです。 socialsciences.mcmaster.ca lavaan.ugent.be 構造方程式モデリングを実施したらパス図が書きたくなります。 semパッケージやlavaanパッケージで作ったモデルからパス図を描くパッケージとしてsemPlotパッケージがありますが、なんかしっくりこない。 sachaepskamp.com semPlot細かく調整すればもうちょいましになるんでしょうが、面倒くさい…… そこで自分で lavaan のモデルからDiagrammeRを利用してキレイなパス図を描く関数を作りました。 rich-iannone.github.io my_lavaan_plot <- function(fit, standardized = TRUE) { re
DiagrammeR 〜RでGraphvizを使う~ - Ｒ言語による電子カルテデータの二次利用
パワポでフローチャートや、ネットワーク図を作ると、ノードやエッジの位置が微妙にずれて、面倒だなと感じる人はいませんか。そんな時は、Graphvizを使用しましょう。 Graphvizを使うと、DOT言語で書かれたグラフを画像に出力できます。R言語では、DiagrammeRのgrViz関数で、DOT言語のテキストを画像に出力します。 目次： DiagrammeR::grViz() DOT言語 DOTの構造 RstudioでDOT言語 Graphviz Attributes Graph属性 Node属性 color属性 shape属性 style属性 rank属性 label属性 image属性 Edge属性 arrowhead属性 dir, arrowsize, color, penwidth属性 port属性 Subgraph 参考 環境 DiagrammeR::grViz() Diagr
ctsemパッケージに学ぶ、時系列データの構造方程式モデリングのStanによる実装
はじめに Stan Advent Calender 201720日目の記事です。 構造方程式モデリングを使って, 時系列データを扱うことをD-SEM (Dynamic SEM)と呼びます。 ここでは、D-SEMを使って階層ベイズモデルが実行可能なctsemを紹介します。 ベクトル自己回帰の問題：時間の扱い 心理学では1つの変数の推移を記述, 予測することよりも, ある変数の変化がどのような変数で説明されるかといった形式で, 2つ以上の変数の関係を明らかにすることに関心がある場合が多いです。 時系列データで複数の変数間の関係を扱うモデルは種々ありますが, その代表として, ベクトル自己回帰モデルがあります。ベクトル自己回帰モデルでは, 時間を離散値,等間隔のものとする仮定が置かれていて, この仮定を逸脱した場合には, 推定にバイアスが生じることが知られています。 最近, 心理学の中では, 経
名古屋大学 文学研究科 文学部
名古屋大学の文学研究科は、人文学研究科に改編されました。 文学部・人文学研究科・旧文学研究科に御用の方は以下のHPをご覧ください
構造方程式モデルについて | Sunny side up!
この記事では，構造方程式モデルについて解説します。 構造方程式モデル（Structure Equation Model，以下SEM）は，別名共分散構造分析とも呼ばれます。前者のほうが，後者を包括する呼び方なので，最近はSEMと呼ばれることのほうが多いように思います。 SEMは，よく言われるように，因子分析と回帰分析を組み合わせた方法です。具体的には，因子，つまり潜在変数同士の因果関係を推定することができる手法なわけです。しかし，SEMが実際どういうことをやっているかは結構ブラックボックスの人が多いと思います。そこで，ごくごく簡単にSEMについて解説します。 ただ，専門ではないのでいろいろ間違えている可能性はあります。もし間違ったこと書いていたらご指摘いただけるとうれしいです。なお，記事は『豊田秀樹（2000）. 共分散構造分析 応用編 朝倉書店』を参考に書いています。 因子分析のなかみ ま
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
10 CFA and SEM with lavaan | Introduction to R
共分散構造分析(lavaan)
共分散構造分析
https://steakrecords.com/ja/740955-lavaan-measurement-invariance-r-r-lavaan-sem.html
ラーメン二郎の某飲食店レビューサイトデータに対して共分散構造分析をしてみる – かものはしの分析ブログ
Assessment of Fit
早稲田大学文学研究科豊田研究室 第52回教育心理学会特別ページ
PPT - 因子分析と 共分散構造分析 PowerPoint Presentation, free download - ID:5620248
SEM: Autoregressive Models (David A. Kenny)
Microsoft PowerPoint - データ解析発表2用パワポ
第4回DARM勉強会 (構造方程式モデリング)