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，就构成了语法一。

加载数据

在这种情况下，我们将模拟数据。

y ~ .5*f  #有外部标准的回归强度


f =~ .8\*x1 + .8\*x2 + .8\*x3 + .8\*x4 + .8*x5  #定义因子f，在5个项目上的载荷。


x1 ~~ (1-.8^2)*x1 #残差。请注意，通过使用1平方的载荷，我们在每个指标中实现了1.0的总变异性（标准化的）。
......

#产生数据；注意，标准化的lv是默认的
simData 

#看一下数据
describe(simData)\[,1:4\]

---

---

指定模型

y ~ f # "~回归"
f =~ x1+ x2 + x3 + x4 + x5 # "=~被测量的是"
x1 ~~ x1 # 方差
x2 ~~ x2 #方差
x3~~x3 #变量
x4~~x4 #变量
x5~~x5 #变量
#x4~~x5将是协方差的一个例子

拟合模型

summary(model_m)

inspect(model_m)

Paths

拟合模型

summary(model_m)

Paths(model)

间接效应的Bootstrapping置信区间

除了指定对5000个样本的标准误差进行bootstrapping外，下面的语法还指出标准误差应进行偏差校正（但不是accelearted）。

sem(medmodel,se = "bootstrap")

确认性因素分析

加载数据

我们将使用例子中的相同数据

指定模型

'
f =~ x1 + x2 + x3 +x4 + x5
x1~~x1
x2~~x2
x3~~x3
x4~~x4
x5~~x5
'

拟合模型

sem(fit, simData)

Paths(fit)

加载数据

在这种情况下，我将模拟数据。

#结构成分
y ~ .5\*f1 + .7\*f2 #用外部标准回归的强度


#测量部分
f1 =~ .8\*x1 + .6\*x2 + .7\*x3 + .8\*x4 + .75*x5 #定义因子f，在5个项目上的载荷。

x1 ~~ (1-.8^2)*x1 #残差。注意，通过使用1平方的载荷，我们实现了每个指标的总变异性为1.0（标准化）。
...

#生成数据；注意，标准化的lv是默认的
sim <- sim(tosim)

#看一下数据
describe(sim )

  

指定模型

测试正确的模型

#结构性
y ~ f1+ f2
#测量
f1 =~ x1 + x2 + x3 + x4 + x5 
f2 =~ x6 + x7

测试不正确的模型。假设我们错误地认为X4和X5负载于因子2。

incorrect
#结构性
y ~ f1+ f2
#测量
f1 =~ x1 + x2 + x3 
f2 =~ x6 + x7 + x4 + x5

拟合模型

正确的模型

summary(model_m)

不正确的模型

summary(incorrectmodel_m, fit.measures = TRUE)

比较模型

正确模型

 不正确模型

Paths(incorrec)

anova

除了不正确模型的整体拟合指数较差–如CFI<0.95，RMSEA>0.06，SRMR>0.08和Chi-square test<0.05所示，正确模型也优于不正确模型，如正确模型的AIC和BIC低得多所示。