একটি মিমিক ফ্যাক্টর এবং সূচকগুলির সাথে একটি সংমিশ্রণের (এসইএম) মধ্যে পার্থক্য কী?


10

সুপ্ত ভেরিয়েবল (এসইএম) সহ স্ট্রাকচারাল সমীকরণ মডেলিংয়ে একটি সাধারণ মডেল গঠনের নাম হ'ল "একাধিক সূচক, একাধিক কারণ" (এমআইএমআইসি) যেখানে একটি সুপ্ত পরিবর্তনশীল কিছু ভেরিয়েবলের কারণে ঘটে এবং অন্যরা প্রতিফলিত হয়। এখানে একটি সাধারণ উদাহরণ: এখানে চিত্র বর্ণনা লিখুন

মূলত, এর f1প্রতিরোধের ফলাফল x1, x2এবং x3, এবং y1, y2এবং y3পরিমাপের সূচক হয় f1

একটি যৌগিক সুপ্ত পরিবর্তনশীলও সংজ্ঞায়িত করতে পারে, যেখানে সুপ্ত ভেরিয়েবল মূলত তার উপাদান ভেরিয়েবলগুলির একটি ভারিত সংমিশ্রনের সমান।

আমার প্রশ্নটি এখানে:f1 কোনও রিগ্রেশন ফলাফল হিসাবে সংজ্ঞায়িত করার এবং এটি একটি মিমিক মডেলটিতে একটি যৌগিক ফলাফল হিসাবে সংজ্ঞায়িত করার মধ্যে কোনও পার্থক্য আছে ?

lavaanসফ্টওয়্যার ব্যবহার করে কিছু পরীক্ষায় Rদেখা যায় যে সহগগুলি অভিন্ন:

library(lavaan)

# load/prep data
data <- read.table("http://www.statmodel.com/usersguide/chap5/ex5.8.dat")
names(data) <- c(paste("y", 1:6, sep=""), paste("x", 1:3, sep=""))

# model 1 - canonical mimic model (using the '~' regression operator)
model1 <- '
    f1 =~ y1 + y2 + y3
    f1 ~ x1 + x2 + x3
'

# model 2 - seemingly the same (using the '<~' composite operator)
model2 <- '
    f1 =~ y1 + y2 + y3
    f1 <~ x1 + x2 + x3
'

# run lavaan
fit1 <- sem(model1, data=data, std.lv=TRUE)
fit2 <- sem(model2, data=data, std.lv=TRUE)

# test equality - only the operators are different
all.equal(parameterEstimates(fit1), parameterEstimates(fit2))
[1] "Component “op”: 3 string mismatches"

এই দুটি মডেল কীভাবে গাণিতিকভাবে এক? আমার বোধগম্যতা হল যে কোনও এসইএমের রিগ্রেশন সূত্রগুলি যৌগিক সূত্রগুলির তুলনায় মূলত পৃথক, তবে এই সন্ধানটি সেই ধারণাটিকে প্রত্যাখ্যান করে বলে মনে হয়। তদুপরি, এমন একটি মডেল নিয়ে আসা সহজ যেখানে ~অপারেটর অপারেটরের সাথে বিনিময়যোগ্য নয়<~ ( এটির lavaanসিনট্যাক্স ব্যবহার করতে )। সাধারণত একটি মডেল শনাক্তকরণ সমস্যার ক্ষেত্রে অন্য ফলাফলের জায়গায় একটি ব্যবহার করা, বিশেষত যখন সুপ্ত পরিবর্তনশীল তারপরে একটি রিগ্রেশন বিভিন্ন সূত্রে ব্যবহৃত হয়। সুতরাং তারা কখন বিনিময়যোগ্য এবং কখন তা হয় না?

রেক্স ক্লিনের পাঠ্যপুস্তক (স্ট্রাকচারাল সমীকরণ মডেলিংয়ের প্রিন্সিপাল এবং অনুশীলন) কমপোজিশনের পরিভাষা সহ মিমিক মডেল সম্পর্কে কথা বলতে ঝোঁক, কিন্তু এর লেখক ইয়ভেস রোসেল lavaanস্পষ্টভাবে আমি যে প্রতিটি এমআইএমআইসি উদাহরণ দেখেছি তাতে রিগ্রেশন অপারেটরটি স্পষ্টভাবে ব্যবহার করে।

কেউ কি এই বিষয়টি স্পষ্ট করতে পারেন?

উত্তর:


9

তারা একই মডেল।

একটি সুপ্ত পরিবর্তনশীলকে একটি যৌগিক ফলাফল হিসাবে সংজ্ঞায়িত করতে সক্ষম হওয়াই দরকারী যেখানে সেই পরিবর্তনশীলটিতে কেবল যৌগিক সূচক রয়েছে।

আপনার যদি না থাকে:

f1 =~ y1 + y2 + y3

আপনি রাখতে পারবেন না:

f1 ~ x1 + x2 + x3

তবে আপনি থাকতে পারেন:

f1 <~ x1 + x2 + x3

ধন্যবাদ! আপনি কেন পরিষ্কার করতে পারবেন না কেন আপনি পারবেন না f1 ~ x1 + x2 + x3তবে আপনি তা পেতে পারেন f1 <~ x1 + x2 + x3?
dmp

1
কারণ প্রথম উদাহরণে, f1 এখনও মডেলটিতে পরিবর্তনশীল নয়, কারণ এটি সুপ্ত, আপনাকে এটি সংজ্ঞায়িত করতে হবে।
জেরেমি মাইলস

1
আপনার যদি এমন মডেল থাকে, আপনার f1 = ~ 0 * x1 এর মতো কৌশল ব্যবহার করতে হবে যাতে আপনার একটি সুপ্ত ভার থাকে, যা আপনি f f x1 + x2 + x3 এ ব্যবহার করতে পারেন।
জেরেমি মাইলস
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.