Pengukuran berulang persamaan struktural model

10

Saya perlu menganalisis dataset data rehabilitasi klinis. Saya tertarik pada hubungan yang digerakkan oleh hipotesis antara "input" yang dikuantifikasi (jumlah terapi) dan perubahan status kesehatan. Meskipun dataset relatif kecil (n ~ 70) kami telah mengulangi data yang mencerminkan perubahan temporal di keduanya. Saya akrab dengan pemodelan efek campuran non-linear dalam R namun saya tertarik pada potensi hubungan "kausal" antara input dan output di sini dan dengan demikian saya sedang mempertimbangkan aplikasi pengukuran berulang dari SEM

Saya akan menghargai saran yang mana jika ada paket SEM untuk R (sam, lavaan, openmx?) Paling cocok untuk data tindakan berulang, dan terutama rekomendasi untuk buku teks (apakah ada "Pinheiro dan Bates" dari lapangan?) .

r repeated-measures panel-data sem RobF
sumber
2
Menurut Anda, mengapa Anda membutuhkan SEM? Jika Anda mendengar hype bahwa SEM menyelesaikan semua masalah sebab akibat, ini adalah overhype, hanya eksperimen acak yang ideal yang melakukannya. Lihat referensi yang saya berikan dalam jawaban saya di bawah ini.
Tugas
1
Ketika Anda mengatakan n ~ 70, apakah maksud Anda 70 pasien diukur dari waktu ke waktu, atau 70 pengukuran (katakanlah 7 pasien pada 10 waktu yang berbeda)? Saya baru belajar SEM, tetapi satu hal yang saya perhatikan sejauh ini adalah mengasumsikan kumpulan data besar (mereka berbicara lebih dari 200+), jadi Anda mungkin akhirnya membuat frustasi / membodohi diri sendiri.
Wayne

Jawaban:

5

Saya pikir Anda menginginkan model kurva pertumbuhan laten. Meskipun saya hanya menggunakan LISRELini, yang lavaan package documentationmenunjukkan itu dapat digunakan agar sesuai dengan model jenis ini.

Saya tidak tahu ada buku yang berspesialisasi dalam subjek ini, buku tempat saya bekerja untuk SEM mencakup berbagai metode. Mungkin orang lain dapat menjawab aspek pertanyaan Anda itu.

Michelle
sumber
2
(+1) Memang, kurva pertumbuhan dan model LV campuran adalah beberapa topik 'panas' dalam SEM atau psikometrik; mereka tercakup dalam beberapa buku terbaru, seperti Latent Variable Mixture Models (Hancock & Samuelsen, 2008). Saya memiliki makalah lain dalam daftar TOBEREADFORTOOLONG saya, dan saya akan merekomendasikan untuk melihat pekerjaan dari Múthen dan coll., Bersama dengan apa yang ditawarkan oleh perangkat lunak Mplus untuk tujuan khusus itu . Jika saya menemukan waktu untuk membaca ulang literatur dan membandingkan lavaan/ Mx ke Mplus, saya akan memposting balasan sendiri.
chl
Itu bagus, karena saya baru saja belajar model kurva pertumbuhan laten, dan mereka benar-benar model yang cukup unik dibandingkan dengan jenis SEM lainnya.
Michelle
4

Tidak, tidak ada "Pinheiro dan Bates". Anda dapat menemukan sejumlah buku berjudul seperti "SEM using AMOS / LISREL / Mplus", tetapi saya tidak mengetahui adanya penggunaan R. Buku terbaik, secara matematis berbicara, pada SEM masih Bollen (1989) . Ini ditulis oleh seorang sosiolog daripada seorang biostatistik (meskipun yang sangat bagus!), Dan juga ditujukan untuk ilmuwan sosial, dan berisi beberapa referensi ke perangkat lunak (dan Anda tidak menginginkan perangkat lunak dari seperempat abad yang lalu, toh) . Bollen juga ikut menulis makalah yang bagus baru-baru ini tentang hubungan sebab akibat dengan Judea Pearl, lihat http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Sejauh yang saya tahu, Mulaik (2009) harus baik juga, tetapi ditulis oleh seorang psikolog untuk psikolog.

Saya tidak berpikir paket sem cukup fleksibel untuk menjalankan hal-hal semacam ini. OpenMx dapat menangani data ordinal (dan karenanya hasil biner), tetapi saya tidak berpikir lavaan dapat melakukan ini.

Perangkat lunak yang menurut Anda paling mudah untuk dihadapi adalah GLLAMM , paket yang ditulis untuk Stata . Dilihat satu cara, ini pada dasarnya adalah inkarnasi dari Stata nlme. Dengan tambahan tweak (memungkinkan koefisien efek acak bervariasi sesuai dengan nilai-nilai variabel lain), itu menjadi paket pemodelan variabel laten. Ini semua dijelaskan dalam Skrondal dan Rabe-Hesketh (2004) ... yang merupakan buku bagus yang ingin Anda miliki walaupun Anda melakukannya nlme.

Tugas
sumber
(+1) Referensi yang bagus. (Tentang gllamm, dilihat dengan cara lain - dari sudut pandang seorang psikometri yang digunakan untuk model IRT: hanya saja sangat lambat :-)
chl
@ chl, tulis kemungkinan Anda sendiri;). Itulah yang saya lakukan polychoric, misalnya, ketika saya membutuhkannya.
Tugas
2

Ketika Anda tampak nyaman dengan model campuran linier umum, dan Anda tampaknya tidak menyiratkan bahwa Anda tertarik pada variabel laten, mungkin Anda mungkin ingin mengambil pendekatan sedikit demi sedikit menggunakan lmeryang kemudian dapat Anda evaluasi menggunakan uji D-Sep. Lihat Shipley, B. (2009). Analisis jalur konfirmasi dalam konteks multilevel umum. Ekologi, Ekologi, 90, 363-368. http://dx.doi.org/10.1890/08-1034.1 sebagai contoh. Dia juga memberikan kode R dalam lampiran untuk cara menghitung tes D-Pemisahan.

Jika Anda benar-benar ingin masuk ke pemodelan variabel laten dan SEM menggunakan kemungkinan maksimum, lihat http://lavaan.org - ada tutorial yang bagus di sana yang mencakup kemampuannya serta bagian tentang model kurva pertumbuhan laten yang mungkin menjadi apa Anda mengejar.

jebyrnes
sumber