Повторні заходи моделювання структурного рівняння

10

Мені потрібно проаналізувати набір даних про клінічну реабілітацію. Мене цікавлять взаємозв'язки між кількісно вираженим "введенням" (кількістю терапії) та змінами стану здоров'я. Хоча набір даних порівняно невеликий (n ~ 70), ми повторювали дані, що відображають тимчасові зміни в обох. Я знайомий з нелінійним моделюванням змішаних ефектів в R, проте я зацікавлений у потенційних "причинно-наслідкових" зв'язках між входом і виходом тут, і таким чином розглядаю застосування повторних заходів SEM

Я буду вдячний поради щодо того, якщо будь-який із пакетів SEM для R (sam, lavaan, openmx?) Найкраще підходить для даних про повторні заходи, а особливо рекомендацій щодо підручників (чи є поле "Пінхеро та Бейтс"?) .

r repeated-measures panel-data sem

— RobF
джерело

2

Чому, на вашу думку, взагалі потрібен SEM? Якщо ви чули галас, що SEM вирішує всі причинно-наслідкові проблеми, це надмір, лише ідеальні рандомізовані експерименти. Дивіться посилання, яке я дав у своїй відповіді нижче.

— Стаск

1

Якщо ви говорите n ~ 70, ви маєте на увазі 70 пацієнтів, виміряних у часі, або 70 вимірювань (скажімо, 7 пацієнтів у 10 різних періодів)? Я просто вивчаю SEM, але одне, що я помічав до цих пір, це те, що він передбачає великі набори даних (вони говорять про 200+ і більше), тож ви можете в кінцевому підсумку розчарувати / обдурити себе.

— Уейн

5

Я думаю, що ви хочете модель кривої зростання прихованого зростання. Хоча я використовував лише LISRELдля цього, lavaan package documentationвказує, що його можна використовувати для відповідності даному типу моделей.

Я не знаю жодної книги, яка спеціалізується на цій темі, книга, над якою я працюю над SEM, охоплює цілий спектр методів. Можливо, хтось ще може відповісти на цей аспект вашого питання.

— Мішель
джерело

2

(+1) Дійсно, криві росту та суміші ЛВ є одними з «гарячих» тем у СЕМ або психометрії; вони висвітлюються в деяких останніх книгах, як, наприклад, моделі латентних змінних сумішей (Hancock & Samuelsen, 2008). У мене є інші документи в моєму списку TOBEREADFORTOOLONG, і я б рекомендував дивитися на роботу з Múthen і Coll., В поєднанні з тим, що програмне забезпечення пропонує Mplus для цієї конкретної мети . Якщо я знайду час, щоб перечитати літературу та порівняти lavaan/ Mx з Mplus, я сам опублікую відповідь.

— chl

Це було б добре, тому що я тільки що вивчив моделі прихованих кривих зростання, і вони справді є досить унікальною моделлю порівняно з іншими типами SEM.

— Мішель

4

Ні, немає "Пінхеро і Бейтс". Ви можете знайти ряд книг під назвою "SEM за допомогою AMOS / LISREL / Mplus", але я не знаю жодної, яка використовує Р. Найкраща книга, математично кажучи, на SEM - це все-таки Боллен (1989) . Він написаний радше соціологом, а не біостатиком (хоча дуже хорошим!), І так орієнтований на соціологів, і містить мало посилань на програмне забезпечення (а ви не хочете, щоб програмне забезпечення було ще чверть століття тому) . Нещодавно Боллен також був співавтором хорошої доповіді про причинність з Джудеєю Перл, див. Http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Наскільки я можу сказати, Мулайк (2009) теж повинен бути хорошим, але це пише психолог для психологів.

Я не думаю, що пакет-пакет є досить гнучким для запуску подібних матеріалів. OpenMx може мати справу з порядковими даними (а отже, і з бінарними результатами), але я не думаю, що lavaan може це зробити.

Програмне забезпечення, з яким вам буде найпростіше розібратися, може бути GLLAMM - пакет, написаний для Stata . Якщо розглядати один із способів, це, по суті, статичне втілення nlme. З додатковим виправленням (що дозволяє коефіцієнти випадкових ефектів змінюватися залежно від значень інших змінних), він стає латентним пакетом моделювання змінних. Все це описано у Skrondal та Rabe-Hesketh (2004) ... це чудова книга сама по собі, яку ви хотіли б мати, навіть якби просто так зробили nlme.

— СтасК
джерело

(+1) Приємні посилання. (О gllamm, дивлячись іншим способом - з точки зору психометріка, який звик до моделей ІРТ: це просто жахливо повільно :-)

— chl

@chl, напишіть власну ймовірність;). Ось що я робив polychoric, наприклад, коли мені це було потрібно.

— Стаск

2

Оскільки вам здається, що узагальнені лінійні змішані моделі не здаються вам зрозумілими, що вас цікавлять приховані змінні, можливо, ви захочете скористатись кусочним підходом, використовуючи lmerякий ви зможете оцінити, використовуючи тест D-Sep. Див. Шиплі, Б. (2009). Аналіз конфірмаційного шляху в узагальненому багаторівневому контексті. Екологія, екологія, 90, 363–368. http://dx.doi.org/10.1890/08-1034.1 для прикладу. Він також надає код R у додатку для того, як обчислити тест D-розділення.

Якщо ви дійсно хочете потрапити на моделювання латентної змінної та SEM, використовуючи максимальну ймовірність, ознайомтеся з http://lavaan.org - там є чудовий підручник, який охоплює його можливості, а також розділ про моделі прихованої кривої зростання, який може бути тим, що ти після.

— jebyrnes
джерело