用John FOX教授的sem包试写了这本教材的几个例子，结果都与LISREL8报告的Minimum Fit Function Chi-Square吻合。不过LISREL其它拟合指标用的是Normal Theory Weighted Least Squares Chi-Square ，所以看上去比Minimum Fit Function Chi-Square报告的结果要好那么一些些。LISREL历史上推的GFI/AGFI曾因为经常将差报好被批评，圈内朋友私下嘲笑这样LISREL就更好卖了，买软件的用户也高兴将差报好，只有读Paper的人上当。
目前只写了chap3_1..到Chap3_2_...，一共5(或6)个例子。尺有所短，寸有所长--sem包不会自动报告所有修正指数，不能做样本量不一样多的多组模型，对复杂的模型要写的代码太多。不过，在已经尝试的几个例子里，有一个是LISREL跑不出来但sem包能跑出结果的。目前sem包还没有达到结构方程众多商业软件的成熟水准，但R庞大的义工武器库已经使sem包至少已经在Missing Data Multiple Imputation、Bootstrapping等等应用上胜出一筹。所以例子中还附带了缺失数据一讲Multiple Impuation的R示范代码。
欢迎各位有兴趣作类似尝试的同学将结果email我， 可以陆续更新到下面的GPL版权代码集合中。
代码下载：lixiaoxu.googlepages.com (中大镜像)
[update] AMos, Mplus 与 SAS/STAT CALIS 缺省报告与使用的都是 Minimum Fit Function Chi-Square，可通过各种软件(Albright & Park, 2009)的结果对比查验。Normal Theory Weighted Least Squares Chi-Square并非总是比Minimum Fit Function Chi-Square报告更“好”的拟合结果（虽然常常如此）。Olsson, Foss, 和 Breivik (2004) 用模拟数据对比了二者，确证Minimum Fit Function Chi-Square计算得到的拟合指标在小样本之外的情形都比Normal Theory Weighted Least Squares Chi-Square的指标更适用。
R的sem包目前在迭代初值的计算上还做得不够好。我遇到的几个缺省初值下迭代不收敛案例，将参数设定合理范围的任意初值（比如TX，TY都设成0-1之间的正实数）之后都收敛了。
--
Albright, J. J., & Park., H. M. (2009). Confirmatory factor analysis using Amos, LISREL, Mplus, and SAS/STAT CALIS. The University Information Technology Services Center for Statistical and Mathematical Computing, Indiana University. Retrieved July 7, 2009, from http://www.indiana.edu/~statmath/stat/all/cfa/cfa.pdf.
Olsson, U. H., Foss, T., & Breivik, E. (2004). Two equivalent discrepancy functions for maximum likelihood estimation: Do their test statistics follow a non-central chi-square distribution under model misspecification? Sociological Methods Research, 32(4), 453-500.
[update]R中的sem包妙处之一是可在线实现结构方程应用界面。下面这个最粗陋的例子对应原书Chap3_1_4_CFA_MB.LS8的结果。
--荣耀属于sem package的作者、Rweb的作者、以及服务器运算资源的提供者。
Post a Comment