文献解读:纵向数据的测量不变性和交叉滞后模型(一)

AI摘要

本文介绍了如何使用R的lavaan包进行测量不变性的评估,并为后续的交叉滞后模型分析奠定基础。测量不变性确保了纵向研究中变量的一致性测量。

 

今天本来想看看交叉滞后怎么做,然后给粉丝写写教程,查资料的过程中发现了一篇很好的文献,记录下来分享给大家。

这篇文献主要是讲如何用R的lavaan包做交叉滞后模型的。

文献一开始首先介绍Measurement invariance

Measurement invariance测量不变性

在心理学的很多情形下,我们都不能直接测量我们想要的构象,比如饮酒动机,这些不能直接测量的变量叫做潜变量,叫做因子,叫做构象,叫做维度。

下次你看到上面的红字你都可以把它们理解为一个东西,那么构象这个东西就得靠多个问卷条目进行反应。

这个时候问题来了,你的问卷条目是不是很好地反应了你要测量的构象呢?

总得有个指标吧,或者有个方法检验吧。

这个指标就叫做效度,方法就可以用Confirmatory factor analysis (CFA),验证性因子分析。

Confirmatory factor analysis (CFA) is a statistical technique that allows us to test whether clusters of items in our measure are indeed reflective of the latent construct to which we have assigned them

还有,很多时候,我们会进行纵向设计,或者追踪随访,我们会把我们的测量工具发放很多遍,比如追踪学生,一年级追踪到初三,每年都让学生们填写某个问卷等等。

深度解读《2024中国AIGC行业应用价值报告》:从数据洞察到落地实践 AIGC(生成式人工智能)作为人工智能技术的重要分支,其核心原理是基于大规模预训练模型,通过学习海量数据模式实现文本、图像、音频等内容的高效生成。这项技术的价值在于能够将通用AI能力转化为具体行业的解决方案,显著提升内容创作、流程自动化等场景的效率与创新潜力。从技术实现角度看,AIGC依赖于深度学习架构和提示词工程等技术环节,其落地应用需要结合具体业务场景进行经济模型与投资回报率测算。当前,AIGC已在营销、电商、教育、金融、医疗及工业设计等多个垂直领域展现出变革性应用前景,企业通过行业研究报告中的原始数据 阅读详情

相关推荐

Mplus—随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)

介绍随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)的相关知识,例如模型内容、Mplus语法及对应网址等。

m0_54401011的博客 9540

Mplus—多指标随机截距交叉滞后模型(Multiple Indicator Random Intercept Cross-Lagged Panel Model, MI RI-CLPM)

多指标随机截距交叉滞后模型的Mplus语法。

m0_54401011的博客 1671

文献解读:纵向数据的测量不变性和交叉滞后模型(二)

接着之前的文章文献解读:纵向数据的测量不变性和交叉滞后模型(一) 我们今天继续文献解读,上次说到了我们通过验证性因子分析已经得到我们的数据是符合构形不变性的,我们可以继续检验测量不变性的下一个水平单位等值(Metric invariance)。 单位等值(Metric invariance)设定 上篇文章已经讲了,单位等值这个水平要求测量因子与条目之间的关系——因子负荷(factor loading)是相等的,所以我们需要在之前模型的基础上再将所有不同时间相同因子的载荷设置为一样,代码如下: me

Codewar的博客 5267

R数据分析:交叉滞后模型非专业解释

今天继续写交叉滞后模型,本文大部分内容参考自文献:Kearney, Michael. (2017). Cross-Lagged Panel Analysis. 所以不论自己写的怎么样都建议大家去瞅瞅原文章哦,原文很短的。 什么是交叉滞后 交叉滞后模型是一种研究变量相互关系的分析方法,它的名字有交叉滞后面板模型Cross-lagged panel models (CLPM),交叉滞后路径模型,交叉滞后回归模型,指的都是同一个东西。 为啥叫”交叉“? 因为它同时既研究A对B的关系,又研究B对A的关系。

Codewar的博客 1万+

【信息科学与工程学】信息科学领域---第二篇 材料工程15 材料参数09

E_a,cryst 越大,非晶态越稳定,数据保持力越好,但写入所需的能量也可能更高。分析材料电子结构的基本工具,可从中解读电学、光学、磁性等性质,并识别特定原子/轨道对费米能级附近态的贡献。用于判断模型是欠拟合(随样本增加,性能持续提升)还是过拟合(性能很快饱和),并评估收集更多数据的必要性。可判断晶格动力学稳定性(无虚频),计算声子态密度、热力学性质(如自由能、热容),并预测可能的结构相变。可以探测电子的集体激发(如等离激元)的色散关系 ω(q),是研究材料电子激发和等离激元物理的有力工具。

weixin_49199313的博客 511

R数据分析:纵向数据如何做中介,交叉滞后中介模型介绍

看似小小的中介,废了我好多脑细胞,这个东西真的不简单,从7月份有人问我,我多重中介,到现在的纵向数据中介,从一般的回归做法,到结构方程框架下的路径分析法,到反事实框架做法,从中介变量和因变量到是连续变量到中介变量和因变量是分类变量,很浩渺的系统知识,今天开始一点一点给大家写。 今天就和大家一起探讨纵向数据的中介效应检验,一般来讲考虑因果关系的时间先后顺序,纵向数据才是探讨中介的理想数据形式: In practice, it is strongly recommended to establish me

Codewar的博客 1万+

Statistical-Supplementary-Materials:贝叶斯交叉滞后多层模型的Mplus代码

统计补充材料 我已发表和正在进行的工作的统计补充材料代码。

论文研究 - 中国青少年反刍情绪量表的因子结构及性别和年龄的测量不变性。

方法:参与者包括来自中国湖南省和海南省的1103名青少年。 进行了验证性因素分析(CFA),以大规模确定RRS的结构。 利用多个CFA来测试跨性别和年龄的RRS中包括的三个子量表的测量不变性。 结果:RRS具有很强的内部一致性(总体Cronbach'sα系数= 0.927)和内部可靠性(0.362-0.864)。 CFA显示了有效的三因素模型。 完全支持该模型在性别和年龄之间的测量不变性。 结论:总RRS和分量表已被接受的有效性和可靠性。 建立了跨性别和年龄的三因素RRS模型。 在中国青少年中建立了跨性别和年龄的RRS的测量当量。 这些发现表明,在比较不同性别和年龄的样本中使用RRS是有效的。

一窥Memory测试算法及自我修复机制

摘要 为了满足新一代设备的需求,Memory的大小每三年就会增加4倍。深亚微米设备包含大量面积更小、访问速度更快的Memory。针对此类设计制定自动测试策略可以减少ATE(自动测试设备)的时间和成本。 内存故障的行为与经典的“Stuck-At”故障不同。因此,Memory的故障模型(由于其阵列结构)与标准逻辑的设计也是不同的。Memory测试除了进行故障检测和定位,还可以实现用冗余单元对...

路科验证 2万+

Mac用户看过来!M1/M2芯片安装CiteSpace完整指南(从Homebrew到成功运行)

本文为Mac M1/M2芯片用户提供CiteSpace安装的完整指南,从Homebrew安装适配的Java环境到最终成功运行CiteSpace。详细步骤包括环境检查、Java配置、CiteSpace下载与优化,解决常见问题如内存分配、图形渲染和中文显示乱码,确保科研人员能顺利使用这一文献可视化工具。

weixin_42530458的博客 309

华为云Stack交付实战:从工勘到上线的全流程拆解

本文详细拆解华为云Stack交付全流程,从项目启动、工勘、LLD设计到硬件部署和软件安装,提供实战技巧与避坑指南。重点解析华为云Stack交付流程中的关键环节,如标准化工具使用、规范化文档管理和流程化协作,帮助团队高效完成从工勘到上线的复杂项目交付。

weixin_29243063的博客 158

DySAT+: Enhancing Dynamic Graph Representation Learning with Multi-Head Self-Attention and Temporal-

本文深入探讨了DySAT+模型在动态图表示学习中的创新应用,通过多头时空注意力机制和层级信息融合策略,有效解决了动态图数据中的时间维度信息捕捉和结构演变动态适应问题。该模型在社交网络异常检测和金融交易网络分析等场景中表现出色,显著提升了预测准确率和响应速度。

weixin_29035405的博客 339

Ollama+FAISS+Embedding+Rerank+LLM 详细部署指南

下载安装Ollama 双击运行安装程序 安装完成后会自动启动服务 修改默认安装路径(避免C盘爆满) 或使用PowerShell: 验证安装 Linux系统部署: (二)准备模型 1. 拉取Embedding模型 2. 拉取LLM模型 注意:原文中提到的可能需要从自定义仓库拉取: 3. 下载Rerank模型 (三)安装依赖库 创建项目目录和虚拟环境: 二、主要功能实现 项目结构 (一)配置文件(config/config.yaml) (二)文本分块策略实现 创建 : (三)文档读取

AI技术改变世界 1593

YOLO11多个点组合创新:GC10-DET缺陷检测 | DCNv4结合SPPF+11Detect创新性结合

DCNv4结合SPPF+11Detect创新性结合,原始mAP50为0.633 提升至0.651

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 1291

【即插即用模块】注意力篇 | TGRS 2025 | CDFIM:通道+空间多尺度注意力,双模态特征融合增强,性能翻倍!

C2DFF-Net提出了一种轻量级跨模态特征融合模块CDFIM,通过模态差异感知和多尺度深度滤波增强双模态互补信息。该模块采用通道-空间注意力协同机制,以极低计算成本(仅增加0.26M参数)提升多模态目标检测性能,在三个遥感数据集上平均提升mAP约1.7%。适用于无人机等边缘设备的实时检测任务,为跨模态融合提供高效解决方案。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 631

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

上一篇: R数据分析:潜在剖面分析LPA的做法与解释
下一篇: R数据分析:交叉滞后模型非专业解释
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

公众号Codewar原创作者

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值