lavaan包是由比利时根特大学的Yves Rosseel开发的。lavaan的命名来自于 latent variable analysis,由每个单词的前两个字母组成,la-va-an——lavaan。
为什么说它简单呢? 主要是因为它的lavaan model syntax,如果你会R的回归分析,那它对你来说再简单不过了。
一、语法简介
语法一:f3~f1+f2(路径模型)
结构方程模型的路径部分可以看作是一个回归方程。而在R中,回归方程可以表示为y~ax1+bx2+c,“~”的左边的因变量,右边是自变量,“+”把多个自变量组合在一起。那么把y看作是内生潜变量,把x看作是外生潜变量,略去截距,就构成了lavaan model syntax的语法一。
语法二:f1 =~ item1 + item2 + item3(测量模型)
"=~"的左边是潜变量,右边是观测变量,整句理解为潜变量f1由观测变量item1、item2和item3表现。
语法三:item1 ~~ item1 , item1 ~~ item2
"~~"的两边相同,表示该变量的方差,不同的话表示两者的协方差
语法四:f1 ~ 1
表示截距
此外还有其它高阶的语法,详见lavaan的help文档,一般的结构方程建模分析用不到,就不再列出。
二、模型的三种表示方法
以验证性因子分析举例说明,对于如下图所示的模型:
方法一:最简化描述
只需指定最基本的要素即可,其他的由函数自动实现,对模型的控制力度最弱。只使用于函数cfa()和sem()
model<-'visual=~x1+x2+x3 textual=~x4+x5+x6 speed=~x7+x8+x9' fit <- cfa(model, data = HolzingerSwineford1939)
需要注意的是,这种指定模型的方式在进行拟合时,会默认指定潜变量的第一个测量变量的因子载荷为1,如果要指定潜变量的方差为1,可以:
model.bis <- 'visual =~ NA*x1 + x2 + x3 textual =~ NA*x4 + x5 + x6 speed =~ NA*x7 + x8 + x9 visual ~~ 1*visual textual ~~ 1*textual speed ~~ 1*speed'
方法二:完全描述
需要指定所有的要素,对模型控制力最强,适用于lavaan()函数,适合高阶使用者
model.full<- ' visual =~ 1*x1 + x2 +x3 textual =~ 1*x4 + x5 + x6 speed =~ 1*x7 + x8 +x9 x1 ~~ x1 x2 ~~ x2 x3 ~~ x3 x4 ~~ x4 x5 ~~ x5 x6 ~~ x6 x7 ~~ x7 x8 ~~ x8 x9 ~~ x9 visual ~~ visual textual ~~ textual speed ~~ speed visual ~~ textual +speed textual ~~ speed' fit <- lavaan(model.full, data = HolzingerSwineford1939)
方法三:不完全描述
最简化和完全描述的混合版,在拟合时增加 auto.* 参数,适用于lavaan()函数
model.mixed<- '# latent variables visual =~ 1*x1 + x2 +x3 textual =~ 1*x4 + x5 + x6 speed =~ 1*x7 + x8 +x9 # factor covariances visual ~~ textual + speed textual ~~ speed' fit <- lavaan(model.mixed, data = HolzingerSwineford1939, auto.var = TRUE)
可以设定的参数详见help帮助文档
PS:可以在lavaan()函数里设置参数mimic="Mplus"获得与Mplus在数值和外观上相似的结果,设置mimic="EQS",输出与EQS在数值上相似的结果
三、拟合结果的查看
查看拟合结果的最简单方法是用summary()函数,例如
summary(fit, fit.measures=TRUE)
但summary()只适合展示结果,parameterEstimates()会返回一个数据框,方便进一步的处理
parameterEstimates(fit,ci=FALSE,standardized = TRUE)
获得大于10的修正指数
MI<- modificationindices(fit) subset(MI,mi>10)
此外,还有其他的展示拟合结果的函数,功能还是蛮强大的
四、结构方程模型
(1)设定模型
model<- ' # measurement model ind60 =~ x1 + x2 +x3 dem60 =~ y1 + y2 + y3 + y4 dem65 =~ y5 + y6 + y7 + y8 # regressions dem60 ~ ind60 dem65 ~ ind60 + dem60 # redisual covariances y1 ~~ y5 y2 ~~ y4 +y6 y3 ~~ y7 y4 ~~ y8 y6 ~~ y8'
(2)模型拟合
fit <- sem(model, data = PoliticalDemocracy) summary(fit, standardized = TRUE)
(3)给回归系数设置标签
给回归系数设定标签在做有约束条件的结构方程模型时会很有用。当两个参数具有相同的标签时,会被视为同一个,只计算一次。
model.equal <- '# measurement model ind60 =~ x1 + x2 + x3 + dem60 =~ y1 + d1*y2 + d2*y3 + d3*y4 dem65 =~ y5 + d1*y6 + d2*y7 + d3*y8 # regressions dem60 ~ ind60 dem65 ~ ind60 + dem60 # residual covariances y1 ~~ y5 y2 ~~ y4 + y6 y3 ~~ y7 y4 ~~ y8 y6 ~~ y8'
(4)多组比较
anova(fit, fit.equal)
anova()会计算出卡方差异检验
(5)拟合系数
lavaan包可以高度定制化的计算出你想要的拟合指标值,例如,我想计算出卡方、自由度、p值、CFI、NFI、IFI、RMSEA、EVCI的值
fitMeasures(fit,c("chisq","df","pvalue","cfi","nfi","ifi","rmsea","EVCI"))
(6)多组结构方程
在拟合函数里面设置 group参数即可实现,同样的可以设置group.equal参数引入等式限制
五、作图
Amos以作图化操作见长,目前版本的Mplus也可以实现作图,那R语言呢,自然也是可以的,只不过是另一个包——semPlot,其中的semPaths()函数。
简单介绍一下semPaths()中的主要函数
semPaths(object, what = "paths", whatLabels, layout = "tree", ……)
(1)object:是拟合的对象,就是上文中的“fit”
(2)what:设定图中线的属性, 默认为paths,图中所有的线都为灰色,不显示参数估计值;
semPaths(fit)
若what设定为est、par,则展示估计值,并将线的颜色、粗细、透明度根据参数估计值的大小和显著性做出改变
semPaths(fit,what = "est")
若设置为stand、std,则展示标准参数估计
semPaths(fit,what = "stand")
若设置为eq、cons,则与默认path相同,如果有限制等式,被限制的相同参数会打上相同的颜色;
(3)whatLabels:设定图中线的标签
name、label、path、diagram:将边名作为展示的标签
est、par:参数估计值作为边的标签
stand、std:标准参数估计值作为边的标签
eq、cons:参数号作为标签,0表示固定参数,被限制相同的参数编号相同
no、omit、hide、invisible:隐藏标签
(4)layout:布局
主要有树状和环状两种布局,每种布局又分别有两种风格。
默认为“tree”,树状的第二种风格如下图,比第一种看起来舒服都了
semPaths(fit,layout = "tree2")
第一种环状
semPaths(fit,layout = "circle")
额,都揉成一团了!
试试第二种风格
semPaths(fit,layout = "circle2")
还好一点。如果把Rstudio默认的图片尺寸设计好,作图效果会更棒。
还有一种叫spring的布局,春OR泉?
semPaths(fit,layout = "spring")
看起来跟环状的很像。
详细内容可以阅读以下文献,以及相应的help文档:
[1]Rosseel Y. lavaan: An R package for structural equation modeling[J]. Journal of Statistical Software, 2012, 48(2): 1-36.
1. 列出包所在库的路径.libPaths()
[1] "C:/Program Files/R/R-3.0.2/library"
2. 安装包,括号里面包的名称要加英文引号,在列出的CRAN镜像站点列表中选择一个进行下载,我一般选的是China(Hefei)
install.packages()
例如,install.packages("ggplot2")
3. 包的载入library()或require(),安装完包后,需要加载才能使用其中的函数,此时括号中不使用引号。两者的不同之处在于library()载入之后不返回任何信息,而require()载入后则会返回TRUE,因此require()适合用于程序的书写。
例如
library(ggplto2)
>require(foreign)
Loading required package: foreign
>is.logical(require(foreign))
[1] TRUE
4. 包的更新
update.packages()
5. 包的帮助信息 格式如下,可以查看包中的函数以及说明
help(package="ggplot2")
6. 查看本地的包
6.1 查看默认加载的包,忽略基本的包
getOption("defaultPackages")
>getOption("defaultPackages")
[1] "datasets" "utils" "grDevices" "graphics" "stats" "methods"
[7] "ggplot2"
6.2 查看当前已经加载过的包
(.packages())
[1] "ggplot2" "stats" "graphics" "grDevices" "utils" "datasets" "methods" "base"
6.3 要显示所有可用的包
(.packages(all.available=TRUE))
>(.packages(all.available=TRUE))
[1] "abind" "agricolae" "aplpack" "base" "bitops"
[6] "boot" "car" "caTools" "class" "cluster"
[11] "codetools" "colorRamps" "colorspace" "compiler" "datasets"
[16] "Defaults" "devtools" "dichromat" "digest" "doBy"
[21] "e1071" "effects" "ellipse" "evaluate" "foreign"
[26] "formatR" "Formula" "gdata" "ggplot2" "ggthemes"
[31] "gmodels" "gplots" "graphics" "grDevices" "grid"
[36] "gtable" "gtools" "highr" "Hmisc" "httr"
[41] "KernSmooth" "knitr" "labeling" "lattice" "latticeExtra"
[46] "leaps" "lme4" "lmtest" "LSD" "manipulate"
[51] "markdown" "MASS" "Matrix" "matrixcalc" "memoise"
[56] "methods" "mgcv" "minqa" "multcomp" "munsell"
[61] "mvtnorm" "nlme" "nnet" "nortest" "parallel"
[66] "pixmap" "plyr" "proto" "psych" "quantmod"
[71] "Rcmdr" "RColorBrewer" "Rcpp" "RcppEigen" "RCurl"
[76] "relimp" "reshape2" "rgl" "rJava" "RODBC"
[81] "rpart" "rstudio" "samplesize" "sandwich" "scales"
[86] "schoolmath" "sciplot" "sem" "spatial" "splines"
[91] "stats" "stats4" "stringr" "survival" "tcltk"
[96] "tcltk2" "TH.data" "tools" "TTR" "utils"
[101] "VennDiagram" "whisker" "XLConnect" "xts" "zoo"
7. 卸载包detach(),这是library()的反向操作,此操作主要是为了避免某些包中的函数名称相同,造成冲突,注意与library()的参数不同,detach()参数为detach(package:包的名称),library(包的名称)。
例如
>library(ggplot2) #加载包
>(.packages()) #列出当前已经加载的包
[1] "ggplot2" "stats" "graphics" "grDevices" "utils" "datasets"
[7] "methods" "base"
>detach(package:ggplot2) # 卸载ggplot2包
>(.packages()) #列出当前已经加载的包
[1] "stats" "graphics" "grDevices" "utils" "datasets" "methods"
[7] "base"
8. 自定义启动时候的加载包
如果需要长期使用某个包的话,每次开启都需要输入library(),比较麻烦,因此可以让R启动时自动加载某些包。在R的安装目录/etc/Rprofile.site加入下载语句:
例如让R启动时自动加载ggplot2包
local({old <- getOption("defaultPackages")
options(defaultPackages = c(old, "ggplot2"))})
9. 在文章中引用R软件包,例如引用ggplot2包:
citation(package="ggplot2")
To cite ggplot2 in publications, please use:
H. Wickham. ggplot2: elegant graphics for data analysis. Springer New
York, 2009.
A BibTeX entry for LaTeX users is
@Book{,
author = {Hadley Wickham},
title = {ggplot2: elegant graphics for data analysis},
publisher = {Springer New York},
year = {2009},
isbn = {978-0-387-98140-6},
url = {http://had.co.nz/ggplot2/book},
}
第一步:安装合适版本的R软件,安装对应版本的Rtools,安装Rstudio,安装Miketex软件(这些软件均可从官网下载)。 第二步:打开R软件,选择镜像,安装“devtools”,具体可从R——程序包——安装程序包上进行,也可以使用install.packages("devtools"...欢迎分享,转载请注明来源:夏雨云
评论列表(0条)