如何在多级 SEM 模型中引导间接关系？

Question

我想引导一个包含间接关系的多级 SEM 模型，但是当我包含 bootstrap 参数时，我收到以下错误：

因子A <- sem(model1, data = Daily_Diary_Study_WERKDOC_parcels_CMC_2,

•            cluster = "id",
  

•            estimator = "ML",
  

•            se = "bootstrap", bootstrap = 10000, fixed.x = FALSE)
  

lav_options_set(opt) 中的错误： lavaan 错误：在多级情况下，`se' 参数必须为“none”、“standard”或“robust.huber.white”之一

是否有可能在 R 中引导多级 SEM 模型？或者仅仅我打算在这个模型中测试的间接关系也可以。

谢谢！

我尝试过这个： 因子A <- sem(model1, data = Daily_Diary_Study_WERKDOC_parcels_CMC_2,

•            cluster = "id",
  

•            estimator = "ML",
  

•            se = "bootstrap", bootstrap = 10000, fixed.x = FALSE)
  

我希望我的估计有自举置信区间

Answer 1

是否有可能在 R 中引导多级 SEM 模型？

是的，但是您认为什么样的重采样程序是合适的？您可以搜索文献中的一些建议（例如，对整个集群进行重新采样；或对集群进行重新采样，然后对每个集群内的观测值进行重新采样；或对 1 级和 2 级残差/随机截距进行残差引导）。这些“非参数”引导方法都没有在

lavaan

中实现，因为尚不清楚是否有任何方法是一个好的默认选项。

默认是在 summary(..., ci=TRUE) 或

paramterEstimates()

中提供增量方法

SE

和 CI。如果您的样本量不足以让 delta 方法为 CI 提供名义覆盖率（以及名义上的 I 类错误率），那么您的样本量也不会大到足以信任 ML-SEM 的点估计.

最直接的解决方案是使用参数引导程序，而不是“非参数”引导程序，在 SEM 文献中称为蒙特卡洛 CI：

Preacher, K. J. 和 Selig, J. P. (2012)。蒙特卡罗置信区间对于间接影响的优点。 沟通方法和措施，6(2), 77–98。 https://doi.org/10.1080/19312458.2012.679848

Tofighi, D. 和 MacKinnon, D. P. (2016)。间接效应复杂函数的蒙特卡罗置信区间。 结构方程建模，23(2), 194-205。 https://doi.org/10.1080/10705511.2015.1057284

这是在

semTools

包的

monteCarloCI()

函数中实现的，该函数自动为

lavaan

或

lavaan.mi

对象中的任何用户定义参数（例如间接效果）提供 CI。