Pfadanalyse mit R lavaan
8. Pfadanalyse nur mit Kovarian-/Korrelationsmatrix
Arndt Regorz, Dipl. Kfm. & MSc. Psychologie, 13.09.2022
Dieses ist eine Begleitseite zum Video-Tutorial über die Schätzung eines Pfadmodells nur mit den Daten aus einem Journalartikel.
(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)
# Erstellen Korrelationsmatrix
dreiecksmatrix <- '
1
.52 1
.32 .14 1
.01 .21 -.17 1
.03 .02 .05 .22 1'
# (Wichtig: Einsen in der Hauptdiagonale nicht vergessen!)
lent_et_al_1986.corr <-
getCov(dreiecksmatrix, names = c("educ_req", "acad_milest",
"voc_int", "high_s_rank",
"math_score"))
lent_et_al_1986.corr
# Erstellen Kovarianzmatrix
lent_et_al_1986.cov <- cor2cov(lent_et_al_1986.corr, c(2.16, 2.06, 4.13, 15.39, 6.45))
lent_et_al_1986.cov
# Pfad-Modell
model_data_lent <- '
# Gerichtete Pfade
educ_req ~ a11 * high_s_rank + a21 * math_score
acad_milest ~ a12 * high_s_rank + a22 * math_score
voc_int ~ b1 * educ_req + b2 * acad_milest
# Fehlerkovarianzen
educ_req ~~ acad_milest
# Partielle indirekte Effekte
pie11 := a11 * b1
pie12 := a12 * b2
pie21 := a21 * b1
pie22 := a22 * b2
tie1 := pie11 + pie12
tie2 := pie21 + pie22
'
# Modellschaetzung
model.fit <- sem(model_data_lent, sample.cov = lent_et_al_1986.cov, sample.nobs = 105)
# zum Vergleich: Normale Modellschätzung mit Rohdaten
# model.fit <- sem(model_data_lent, data = my_dataframe)
summary(model.fit, fit.measures=TRUE, standardized = TRUE)
Weitere Tutorials zur Pfadanalyse mit lavaan:
Pfadanalyse mit R / lavaan 1: Einführung
Pfadanalyse mit R / lavaan 2: Vergleich von zwei Pfaden
Pfadanalyse mit R / lavaan 3: Voraussetzungen und robuste Verfahren
Pfadanalyse mit R / lavaan 4: Moderation