Stataでの分析方法はこちら。
Mplusでの分析方法はこちら。
データ読み込み
library(rio)
nes3wave <-import("nes3wave.dta")
今回のパス図を先に表示しておこう。
コードは末尾。semPlotパッケージを用いて描画している。
モデル
回帰は~、共変量は~~で書くのがlavaan。
library(lavaan) CLP_model<- ' ## Regressions pid2002 ~ pid2000 + app2000 app2002 ~ app2000 + pid2000 ## Covariances app2000~~pid2000 app2002~~pid2002 '
実行・結果表示
推定法はデフォルトの最尤法を用いている。
fit_CLPM<- sem(CLP_model, data=nes3wave) summary(fit_CLPM, standardized=TRUE)
結果
Regressions:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
pid2002 ~
pid2000 0.785 0.020 38.621 0.000 0.785 0.773
app2000 0.160 0.026 6.204 0.000 0.160 0.124
app2002 ~
app2000 0.130 0.031 4.177 0.000 0.130 0.137
pid2000 0.317 0.025 12.919 0.000 0.317 0.424
Covariances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
pid2000 ~~
app2000 2.119 0.127 16.712 0.000 2.119 0.599
.pid2002 ~~
.app2002 0.436 0.049 8.950 0.000 0.436 0.286
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.pid2002 1.263 0.055 23.011 0.000 1.263 0.272
.app2002 1.836 0.080 23.011 0.000 1.836 0.732
pid2000 4.501 0.196 23.011 0.000 4.501 1.000
app2000 2.785 0.121 23.011 0.000 2.785 1.000
パス図
library(semPlot)
semPaths(fit_CLPM, layout = "tree", shapeLat="ellipse", whatLabels = "est",
nDigits=3, shapeMan="square", sizeMan =6, sizeMan2= 10,
style = "lisrel",rotation = 2,residScale=12, curve=2.5,
edge.color="black", edge.label.cex=1)
