Pfadanalyse mit R lavaan
7. Fehlende Werte

Arndt Regorz, Dipl. Kfm. & MSc. Psychologie, 29.03.2022

Dieses ist eine Begleitseite zum Video-Tutorial über die Behandlung fehlender Werte in Pfadmodellen mit R lavaan.

(Hinweis: Mit Anklicken des Videos wird ein Angebot des Anbieters YouTube genutzt.)

R-Code aus dem Video-Tutorial

Hier ist der gesamte Code aus dem Video-Tutorial:

library(lavaan)
meine_daten <- read.csv("simulationsdaten_pfadanalyse_fehlende.csv", header = TRUE)

head(meine_daten)

# Modell

mein_modell <- '
# Gerichtete Effekte
MED ~ IV1 + IV2
DV1 ~ MED + IV1
DV2 ~ MED

# Kovarianzen
DV1 ~~ DV2
'

# 1. Schätzung mit default (fallweiser Ausschluss)

model_fit <- sem(data = meine_daten, model = mein_modell)

summary(model_fit, fit.measures = TRUE)

# 2. Schätzung mit FIML (nur für endogene Variablen)

model_fit2 <- sem(data = meine_daten, model = mein_modell, missing = "FIML")

summary(model_fit2, fit.measures = TRUE)

# 3. Schätzung mit FIML (auch für exogene Variablen)

model_fit3 <- sem(data = meine_daten, model = mein_modell, missing = "FIML",
fixed.x = FALSE)

summary(model_fit3, fit.measures = TRUE)

# 4. Schätzung mit FIML und robustem Schätzer
# (Huber-White Standardfehler)

model_fit4 <- sem(data = meine_daten, model = mein_modell, missing = "FIML",
fixed.x = FALSE, estimator="MLR")

summary(model_fit4, fit.measures = TRUE)

Weitere Tutorials zur Pfadanalyse mit lavaan: