Мне нужно проанализировать набор данных клинической реабилитации. Меня интересуют гипотезы о взаимосвязи между количественным «вкладом» (количеством терапии) и изменениями в состоянии здоровья. Хотя набор данных является относительно небольшим (n ~ 70), мы повторили данные, отражающие временные изменения в обоих. Я знаком с нелинейным моделированием смешанных эффектов в R, однако меня интересуют потенциальные «причинные» отношения между входом и выходом здесь, и, таким образом, я рассматриваю повторные измерения применений SEM
Я был бы признателен за совет, если какой-либо из пакетов SEM для R (sam, lavaan, openmx?) Лучше всего подходит для данных повторных измерений и, в частности, рекомендаций для учебников (есть ли в этой области «Пиньейру и Бейтс»?) ,
Ответы:
Я думаю, что вы хотите модель кривой скрытого роста. В то время как я использовал только
LISREL
это, этоlavaan package documentation
указывает на то, что его можно использовать, чтобы соответствовать модели этого типа.Я не знаю ни одной книги, специализирующейся на этом предмете, книга, над которой я работаю для SEM, охватывает ряд методов. Возможно, кто-то еще может ответить на этот аспект вашего вопроса.
источник
lavaan
/ Mx с Mplus, я отправлю ответ сам.Нет, здесь нет «Пиньейру и Бейтса». Вы можете найти ряд книг под названием «SEM с использованием AMOS / LISREL / Mplus», но я не знаю ни одного из них, использующих R. Лучшая математическая книга по SEM по-прежнему Bollen (1989) . Он написан социологом, а не биостатистом (хотя и очень хорошим!) И поэтому нацелен на социологов и содержит мало ссылок на программное обеспечение (в любом случае, вам не нужно программное обеспечение четверть века назад) , Боллен также недавно стал соавтором хорошей статьи о причинно-следственной связи с Иудеей Перл, см. Http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Насколько я могу судить, Mulaik (2009) тоже должен быть хорошим, но он написан психологом для психологов.
Я не думаю, что sem package достаточно гибок, чтобы запускать подобные вещи. OpenMx может иметь дело с порядковыми данными (и, следовательно, с двоичными результатами), но я не думаю, что Lavaan может сделать это.
Программное обеспечение, с которым вам концептуально проще всего разобраться, может быть GLLAMM , пакет, написанный для Stata . С одной стороны, это, по сути, воплощение Stata
nlme
. С дополнительной настройкой (позволяющей коэффициентам случайных эффектов варьироваться в зависимости от значений других переменных) он становится пакетом моделирования скрытой переменной. Все это описано в Skrondal и Rabe-Hesketh (2004) ... которая сама по себе является отличной книгой, которую вы хотели бы иметь, даже если бы просто сделалиnlme
.источник
gllamm
, если смотреть по-другому - с точки зрения психометрика, привыкшего к IRT-моделям: это просто ужасно медленно :-)polychoric
, например, когда мне это было нужно.Поскольку вам кажется, что вы знакомы с обобщенными линейными смешанными моделями, и вы, похоже, не подразумеваете, что вас интересуют скрытые переменные, возможно, вы захотите использовать кусочный подход, используя
lmer
который вы затем сможете оценить с помощью теста D-Sep. См. Шипли, Б. (2009). Подтверждающий анализ пути в обобщенном многоуровневом контексте. Экология, Экология, 90, 363–368. http://dx.doi.org/10.1890/08-1034.1 для примера. Он также предоставляет R-код в приложении для того, как рассчитать тест D-разделения.Если вы действительно хотите войти в моделирование скрытых переменных и SEM с максимальной вероятностью, посмотрите http://lavaan.org - там есть отличное учебное пособие, которое охватывает его возможности, а также раздел о моделях кривой скрытого роста, который вполне может быть ты после.
источник