SEM के बजाय MANOVA

Nov 25 2020

किसी प्रश्न पर टिप्पणी करने के लिए मेरे पास पर्याप्त प्रतिष्ठा नहीं है, इसलिए मुझे उम्मीद है कि यह पोस्ट स्वीकार्य है।

इस प्रश्न के स्वीकृत उत्तर के बारे में:

आर में सरल कन्फर्मेटरी फैक्टरी विश्लेषण / एसईएम कैसे करें?

मान लें कि हमारे पास एक सरल SEM है जो सामान्य रूप से MANOVA के माध्यम से विश्लेषण किया जाएगा:

$$ y_{1} \sim a + b \\ y_{2} \sim a + b $$

कहां है $y_{i} \sim \mathcal{N}(0, \sigma^{2})$। हालांकि, दोनों मॉडल में विषमता मौजूद है, इसलिए MANOVA उपयुक्त नहीं हो सकता है। क्या इस एसईएम और एसईएम ऑर्थोगोनल के बीच एक संभावना अनुपात परीक्षण इसे मैना से स्वीकार्य विकल्प हो सकता है?

अद्यतन: उदाहरण डेटा और बहुभिन्नरूपी के साथ विश्लेषण $p$-वेल्यू (शुक्रिया, @ जेरेमी मायल्स!)

library(lavaan)

offspring <- url("https://drive.google.com/uc?export=download&id=1yXXlcHUZSMZ3QGtxnmuqvrFy6g0o2QeN")

load(offspring)

close(offspring)

# You should now have a data frame called "OM.full"
# Two "treatment" levels: cues, nocues
# Two response variables: dispersed, total.weight

# Scale response variables to z-scores

OM.full$clutch.size <- scale(OM.full$dispersed)
OM.full$clutch.weight <- scale(OM.full$total.weight)

# Desaturate the model to obtain a multivariate p-value
OM.sem <- "clutch.size ~ 0 * treatment
          clutch.weight ~ 0 * treatment"

fit <- sem(OM.sem,
           estimator = "MLMVS",
           data = OM.full)

summary(fit)

lavaan 0.6-7 ended normally after 16 iterations

  Estimator                                         ML
  Optimization method                           NLMINB
  Number of free parameters                          3
                                                      
  Number of observations                           128
                                                      
Model Test User Model:
                                              Standard      Robust
  Test Statistic                                 2.085       1.984
  Degrees of freedom                                 2       1.993
  P-value (Chi-square)                           0.352       0.369
  Scaling correction factor                                  1.051
       mean and variance adjusted correction                      

Parameter Estimates:

  Standard errors                           Robust.sem
  Information                                 Expected
  Information saturated (h1) model          Structured

Regressions:
                   Estimate  Std.Err  z-value  P(>|z|)
  clutch.size ~                                       
    treatment         0.000                           
  clutch.weight ~                                     
    treatment         0.000                           

Covariances:
                   Estimate  Std.Err  z-value  P(>|z|)
 .clutch.size ~~                                      
   .clutch.weight     0.848    0.091    9.293    0.000

Variances:
                   Estimate  Std.Err  z-value  P(>|z|)
   .clutch.size       0.992    0.099   10.006    0.000
   .clutch.weight     0.992    0.097   10.180    0.000

जवाब

1 JeremyMiles Nov 25 2020 at 06:24

हां, अगर मैं सही तरीके से समझ गया हूं, तो एसईएम के उपयोग से होमोसिस्टैक्विटी धारणा को शांत किया जा सकता है - एक मजबूत अनुमानक (जैसे सटोररा-बेंटलर) का उपयोग करने से होमोसिस्टैसिटी धारणा नहीं बनती है (यह सैंडविच अनुमानक है)। (लेकिन मुझे यकीन नहीं है कि आप "यह एसईएम और एसईएम ऑर्थोगोनल इसे" से क्या मतलब है)।