井出草平の研究ノート

Mplus

順序ロジスティック回帰分析をStata、Mplus、Rで行う-更新[Stata][Mplus][R]

順序ロジスティック回帰分析をStata、Mplus、Rで行う 以前のエントリの更新。 ides.hatenablog.com brant検定が通らない例を使っている。 Stata brant検定が走らない場合はfindit spost13_adoからspost13_adoをインストールする必要がある。 use https://www…

交差遅延パネルモデルCross-lagged Panel Model[Mplus]

以前、Stataで交差遅延パネルモデルに解説した例で今回もデモを行う。 ides.hatenablog.com Mplus用のデータ加工 github.com こちらからnes3wave.dtaをダウンロードする。 RStudioでMplus用のデータに加工する。 データの読み取り library(rio) nes3wave <-i…

カテゴリカルデータの探索的因子分析[Mplus]

EXAMPLE 4.2: EXPLORATORY FACTOR ANALYSIS WITH CATEGORICAL FACTOR INDICATORS www.statmodel.com www.statmodel.com バイナリ(2値)データの因子分析のアプローチは下記の論文のものである。 Muthén, B. (1978). Contributions to factor analysis of dich…

順序ロジスティック回帰分析をStata、Mplus、Rで行う[Stata][Mplus][R]

この更新は更新されています。 ides.hatenablog.com brant検定がうまくいかないデータで走らせたかったので、Richard WilliamsのGologit2で使用されているデータを使用した。 解析例は下記のPDF内にあるものと基本的に同じである。 https://www.stata.com/me…

パス解析・直接効果・間接効果[Mplus][R]

UCLA: Statistical Consulting Groupのページから。 stats.oarc.ucla.edu UCLAではMplusのコードが書かれているが、このエントリでは、同じ分析をRのlavaanでの再現したいと思う。 Mplus パス解析はすべての変数が観測される方程式系を推定するために使用さ…

マルチグーループSEM(多母集団同時分析) 配置不変モデル[Mplus]

マルチグーループSEMをMplusで行う。データはHolzingerSwineford1939を用いる。Mplus用のデータへの変換は下部参照のこと。 今回は配置不変モデルのみ。 Grant-White学校のSEMのダイアグラム。 コード TITLE: Multiple Group SEM using HolzingerSwineford19…

repolrパッケージで順序ロジスティック回帰での結果をMplusで検算[R][Mplus]

こちらでの計算をMplusで検算する。 ides.hatenablog.com Mplus用のデータの書き出し insomnia<-read.csv("insomnia.csv",header=TRUE) insomnia<-as.data.frame(insomnia) head(insomnia) library(MplusAutomation) variable.names(insomnia) # 変数名を書…

WLSMV を用いた測定の不変性の計算[Mplus]

Mplusで推定にWLSMV(adjusted diagonally weighted least squares)を使った測定の不変性の確認の方法について。 最尤法は正規分布と連続変数という2つの強力な仮定をすることから、順序尺度や正規分布にならないものの測定の不変性について確認する場合には…

Geiser,2020, Longitudinal Structural Equation Modeling with Mplus A Latent State-Trait Perspective

Longitudinal Structural Equation Modeling with Mplus: A Latent State-Trait Perspective (Methodology in the Social Sciences)作者:Geiser, Christian発売日: 2020/11/04メディア: ペーパーバック ほとんどの最新の縦断的手法は、ある時点での個人差と…

ベイズ推定の利点

こちらの本の1.4.1 ベイズ推定の説明から。 Structural Equation Modeling: Applications Using Mplus (Wiley Series in Probability and Statistics)作者:Wang, Jichuan,Wang, Xiaoqian発売日: 2019/12/04メディア: ハードカバー 1.4.1 Bayes estimator ベ…

欠損値の補完[Mplus]

潜在クラス分析で欠損値がある場合の補完はできないものかといろいろ調べてみたが、コードが見つからない。IDREで次のようなエントリを見つけた。 stats.idre.ucla.edu Mplusは完全情報最尤推定法(FIML)を用いて、変数の一部が欠落した値を持つモデルを推…

ベイズ推定による因子分析[Mplus]

頻度主義で行うのと特に何かが変わるというわけではないものの、Mplusでベイズ推定で因子分析を行った。 コード DATA: FILE = "HS1939.dat"; VARIABLE: NAMES = x1 x2 x3 x4 x5 x6 x7 x8 x9; MISSING=.; ANALYSIS: ESTIMATOR = BAYES; PROCESS = 2; FBITER =…

潜在クラス分析のDistal Outcomesの補助設定ごとの結果の比較[Mplus]

Distal Outcomesが連続変数の場合、DU3STEP法、DE3STEP法、BCH法、DCON法、PC法などがある。詳しくはここなどを参照してもらいたいが、BCH法をとることが現在のところ推奨されている。 そんなわけで、それぞれの方法での推定結果の違いをみてみたい。ちなみ…

潜在クラス分析-三段階法[Mplus]

Structural Equation Modeling: Applications Using Mplus (Wiley Series in Probability and Statistics)作者:Wang, Jichuan,Wang, Xiaoqian発売日: 2019/12/04メディア: ハードカバー Jichuan Wang, Xiaoqian Wang, 2019, Structural equation modeling ap…

条件付け潜在成長曲線モデル[Mplus]

Higher-Order Growth Curves and Mixture Modeling with Mplus (Multivariate Applications Series)作者:Wickrama, Kandauda発売日: 2016/04/13メディア: ペーパーバック https://www.routledge.com/Higher-Order-Growth-Curves-and-Mixture-Modeling-with-M…

無条件潜在成長曲線モデル[Mplus]

無条件潜在成長曲線モデル(Latent Growth Curve Model: LGCM) Higher-Order Growth Curves and Mixture Modeling with Mplus (Multivariate Applications Series)作者:Wickrama, Kandauda発売日: 2016/04/13メディア: ペーパーバック https://www.routledge.…

LCAモデルにおける補助変数の考え方[Mplus]

Structural Equation Modeling: Applications Using Mplus (Wiley Series in Probability and Statistics)作者:Wang, Jichuan,Wang, Xiaoqian発売日: 2019/12/04メディア: ハードカバー - Jichuan Wang, Xiaoqian Wang, 2019, Structural equation modeling …

潜在クラス分析の適用例-運動とライフスタイル介入

www.ncbi.nlm.nih.gov 2017年の潜在クラス分析を使った論文。Distal Outcomesも使用されている。 潜在クラス分析 クラス決定のための指標類のグラフ。 たくさん表記している印象がある。 クラスごとの応答確率の表。 Distal Outcomesを伴った潜在クラス分析 …

共変量とカテゴリカルなDistal Outcomesを伴った潜在クラス分析[Mplus]

共変量とDistal Outcomesのある潜在クラス分析で、かつ、Distal Outcomesがカテゴリカルな場合の分析である。 モデル コード DATA: FILE = LCA_cat.dat; VARIABLE: NAMES = U1-U8 Y A B; USEVARIABLES = U1-U8 Y A B; CATEGORICAL = U1-U8 Y; CLASSES = C(3)…

潜在クラス分析でクラス応答確率を出力するには[Mplus]

SAVEDATA: FILE = ****.sav; SAVE = CPROB; やはりメモってないと忘れる。

潜在クラス分析におけるBCH法-回帰補助モデル[Mplus]

前回に引きつづき潜在クラス分析におけるBCH法について。 http://www.statmodel.com/examples/webnotes/webnote4.zip 今回は共変量(X)を設定し、従属変数(Y)に回帰するモデルである。 データが見つからなかったのでRで仮想データ作成した。適当に乱数を発生…

潜在クラス分析におけるBCH法[Mplus]

Mplusのウェブノートが更新されていたようだ。 https://www.statmodel.com/examples/webnotes/webnote21.pdf BCH法の例 U1からU8で構成されている潜在変数C、Cを独立変数としてYに回帰させるモデル。Cのクラスは4カテゴリ。データファイルはウェブ上にはなか…

Mplusの推定方法[Mplus]

早見表 コマンド 推定法 ML 最尤法 MLR ロバスト最尤法 WLS 重み付き最小二乗法 WLSMV ロバスト重み付き最小二乗法 ULS 重みなし最小二乗法 ULSMV ロバスト重みなし最小二乗法 GLS 一般化最小二乗法 BAYES ベイズ推定法 詳述 和訳は定訳がないものが多いので…

タイタニック・データを用いた媒介分析[Mplus]

タイタニック・データを用いて名義変数の媒介項、2値の従属変数(アウトカム)の媒介分析を行う。アウトカムが2値なので2項ロジスティック回帰分析の一種である。 タイタニック・データの分析に意味があるわけではなく、あくまでも例題である。分析はMplusで…

潜在移行分析[Mplus]

www.statmodel.com こちらの8.13の例をモディファイしたもの。8.13は共変量が設定されているためややこしいように思えたので、共変量を取り除いたシンプルにものにしてみた。 c1とc2は2つの時点の潜在変数である。潜在以降分析は潜在クラスが2時点、3時点で…

媒介分析の推定方法と尺度水準による推定結果の違い[Mplus]

www.statmodel.com こちらのTable 8.29のケース。 もともとの推定は下記のエントリーで、こちらは最尤推定を行うモデルである。 ides.hatenablog.com ides.hatenablog.com アプローチ2 ロバスト重み付き最小二乗法 データはスタック形式、Analysis: estimato…

2値変数をアウトカムとしたプロビットモデルの媒介分析-媒介変数をカテゴリカル変数にした場合[Mplus]

先日のエントリの続き。こちらのTable 8.26である。 ides.hatenablog.com 暴露変数はtx、媒介変数intentはベースラインの約6ヵ月後に測定されたもので、次の2ヵ月間にタバコを使用するか否かという意思である。アウトカムciguseは、フォローアップで測定され…

2値の曝露変数、2値の媒介変数、連続変数のアウトカムの媒介分析

こちらのTable 8.22の例を解説する。コードとデータはリンク先のinpファイルを参照のこと。 www.statmodel.com 仮想データ。 モデル mは媒介変数、mxはmとxの間の相互作用項、xは2値の暴露変数である。 コード title: hypothetical potential outcome exampl…

介入-媒介変数に相互作用を伴わない2値データのアウトカム変数を用いた媒介分析[Mplus]

こちらのTable 8.8の例を解説する。コードはリンク先のinpファイルを参照のこと。 www.statmodel.com データ 大学生女性の間でヒトパピローマウイルス(HPV)のワクチン接種率を高めることを目的とした無作為化対照試験のデータを分析している。被験者は3つ…

2値変数をアウトカムとしたロジットモデルの媒介分析[Mplus]

こちらのTable 8.5の例を解説する。コードはリンク先のinpファイルを参照のこと。 www.statmodel.com データの詳細は以前のエントリーを参照のこと。 ides.hatenablog.com モデル パス図で表現されるモデルはプロビットモデルの時と違いはない。 コード プロ…