Tekrarlanan ölçümler yapısal eşitlik modellemesi

10

Klinik rehabilitasyon verilerinin veri kümesini analiz etmem gerekiyor. Sayısal "girdi" (terapi miktarı) ile sağlık durumundaki değişiklikler arasındaki hipotez odaklı ilişkilerle ilgileniyorum. Veri kümesi nispeten küçük olmasına rağmen (n ~ 70) her ikisinde de zamansal değişiklikleri yansıtan verileri tekrarladık. R'de doğrusal olmayan karışık efekt modellemesine aşinayım, ancak buradaki girdi ve çıktı arasındaki potansiyel "nedensel" ilişkilerle ilgileniyorum ve bu nedenle SEM'in tekrarlanan ölçüm uygulamalarını düşünüyorum

R için SEM paketlerinden herhangi birinin (sam, lav, openmx?) Tekrarlanan ölçüm verilerine ve özellikle de ders kitaplarına yönelik önerilere (alanın bir "Pinheiro ve Bates" var mı?) .

r repeated-measures panel-data sem

— RobF
kaynak

2

Neden SEM'e ihtiyacınız olduğunu düşünüyorsunuz? SEM'in tüm nedensel sorunları çözdüğü hype'ı duyduysanız, bu bir overhypetır, sadece ideal randomize deneyler yapar. Aşağıdaki cevabımda verdiğim referansa bakınız.

— StasK

1

N ~ 70 dediğinizde, zaman içinde ölçülen 70 hasta mı, yoksa 70 ölçüm mü (10 farklı zamanda 7 hasta mı demek istersiniz)? Sadece SEM öğreniyorum, ancak şimdiye kadar fark ettiğim bir şey, büyük veri kümelerini (200+ veya daha fazla konuştukları) varsayar, böylece kendinizi sinirlendirebilir / kandırabilirsiniz.

— Wayne

5

Bence gizli bir büyüme eğrisi modeli istiyorsunuz. Ben sadece kullanmış iken LISRELbunun için, lavaan package documentationmodeli bu tip uyacak şekilde kullanılabilir gösterir.

Bu konuda uzmanlaşmış hiçbir kitap bilmiyorum, SEM için çalıştığım kitap bir dizi yöntemi kapsıyor. Belki başka biri sorunuzun bu yönüne cevap verebilir.

— Michelle
kaynak

2

(+1) Gerçekten de, büyüme eğrisi ve karışım LV modelleri SEM veya psikometride 'sıcak' konulardan bazılarıdır; Latent Değişken Karışım Modelleri gibi bazı yeni kitaplarda yer almaktadır (Hancock ve Samuelsen, 2008). TOBEREADFORTOOLONG listemde başka makalelerim var ve Mplus yazılımının bu amaç için sunduğu şeylerle birlikte Múthen ve coll . Literatürü yeniden okumak ve lavaan/ Mx'i Mplus ile karşılaştırmak için biraz zaman bulursam , kendime bir cevap göndereceğim.

— chl

Bu iyi olurdu, çünkü sadece gizli büyüme eğrisi modellerini yeni öğrendim ve diğer SEM türlerine kıyasla gerçekten benzersiz bir model.

— Michelle

4

Hayır, "Pinheiro ve Bates" yok. "AMOS / LISREL / Mplus kullanarak SEM" başlıklı bir dizi kitap bulabilirsiniz, ancak R kullanan herhangi bir şeyin farkında değilim. Matematiksel olarak SEM üzerine en iyi kitap hala Bollen (1989) . Bir biyoistatist yerine bir sosyolog tarafından yazılmıştır (çok iyi olmasına rağmen!) Ve sosyal bilimcilere yöneliktir ve yazılıma çok az referans içerir (ve yine de çeyrek yüzyıl önce yazılımı istemezsiniz) . Bollen son zamanlarda Judea Pearl ile nedensellik konusunda iyi bir makale yazdı, bkz. Http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Anlayabildiğim kadarıyla, Mulaik (2009) da iyi olmalı, ancak psikologlar için bir psikolog tarafından yazılmıştır.

Ben sem paket bu tür şeyler çalıştırmak için yeterince esnek olduğunu sanmıyorum. OpenMx sıralı verilerle (ve dolayısıyla ikili sonuçlarla) ilgilenebilir, ancak lavın bunu yapabileceğini sanmıyorum.

Kavramsal olarak başa çıkmanın en kolay yolunu bulacağınız yazılım, Stata için yazılmış bir paket olan GLLAMM olabilir . Bir yönden bakıldığında, bu aslında bir Stata enkarnasyonudur . Ekstra bir değişiklikle (rastgele etkilerin katsayılarının diğer değişkenlerin değerlerine göre değişmesine izin vermek), gizli bir değişken modelleme paketi haline gelir. Bu, tüm anlatılan Skrondal ve Rabe-Hesketh (2004) size sadece bunu bile sahip istemezsiniz se başına harika bir kitap ... .nlmenlme

— StasK
kaynak

(+1) Güzel referanslar. (Hakkında gllamm, başka bir yolla görüntülendi - kullanılan bir psikometri perspektifinden IRT modellerine: sadece korkunç yavaş :-)

— chl

@chl, kendi olasılığını yaz;). Ben de bunu yaptık polychorico gerektiğinde, örneğin,.

— StasK

2

Genelleştirilmiş doğrusal karışık modellerle rahat gibi göründüğünüzden ve gizli değişkenlerle ilgilendiğiniz anlamına gelmediğinden, belki de lmerdaha sonra bir D-Sep testi kullanarak değerlendirebileceğiniz parçalı bir yaklaşım kullanmak isteyebilirsiniz . Bakınız Shipley, B. (2009). Genelleştirilmiş çok düzeyli bir bağlamda doğrulayıcı yol analizi. Ekoloji, Ekoloji, 90, 363-368. http://dx.doi.org/10.1890/08-1034.1 bir örnek için. Ayrıca, D-Separation testinin nasıl hesaplanacağına ilişkin ekte R kodu sağlar.

Maksimum olasılık kullanarak gizli değişken modellemeye ve SEM'e gerçekten girmek istiyorsanız, http : //lavaan.org'a bakın - orada yeteneklerini ve gizli büyüme eğrisi modellerinde iyi olabilecek bir bölümü kapsayan harika bir öğretici var. peşindesin.

— jebyrnes
kaynak