“用R进行有调节的中介路径分析”的版本间的差异

来自OBHRM百科
跳转至: 导航搜索
脚本与注释
第2行: 第2行:
 
[[文件:0318.jpg | center | 800px]]
 
[[文件:0318.jpg | center | 800px]]
 
==脚本与注释==
 
==脚本与注释==
library(lavaan)                                                                # 调用lavaan包,如果没有安装,需要先安装
+
<pre>library(lavaan)                                                                # 调用lavaan包,如果没有安装,需要先安装
 
curwd=setwd("c:\\program files\\mplus\\mplus examples\\user's guide examples")  # 设定数据文件所在的目录为工作目录,如果脚本与数据文件在同一目录,则不需要设定
 
curwd=setwd("c:\\program files\\mplus\\mplus examples\\user's guide examples")  # 设定数据文件所在的目录为工作目录,如果脚本与数据文件在同一目录,则不需要设定
 
pathdata <- read.table("ex3.18.dat")                                            # 读取数据文件到pathdata,pathdata是自己命名,可以随便定
 
pathdata <- read.table("ex3.18.dat")                                            # 读取数据文件到pathdata,pathdata是自己命名,可以随便定
第13行: 第13行:
 
summary(pathfit,fit.measures="TRUE")                                            # 显示SEM的总体结果
 
summary(pathfit,fit.measures="TRUE")                                            # 显示SEM的总体结果
 
fitMeasures(pathfit,fit.measures="all", baseline.model=NULL)                    # 显示所有拟合指数
 
fitMeasures(pathfit,fit.measures="all", baseline.model=NULL)                    # 显示所有拟合指数
standardizedSolution(pathfit)                                                  # 显示标准化的结果
+
standardizedSolution(pathfit)                                                  # 显示标准化的结果</pre>

2017年3月20日 (一) 16:22的版本

示意图

0318.jpg

脚本与注释

library(lavaan)                                                                 # 调用lavaan包,如果没有安装,需要先安装
curwd=setwd("c:\\program files\\mplus\\mplus examples\\user's guide examples")  # 设定数据文件所在的目录为工作目录,如果脚本与数据文件在同一目录,则不需要设定
pathdata <- read.table("ex3.18.dat")                                            # 读取数据文件到pathdata,pathdata是自己命名,可以随便定
names(pathdata) <-c("y","m","x","z")                                            # 给变量命名
attach(pathdata)                                                                # 激活数据
pathdata$xz <- (x-mean(x))*(z-mean(z))                                          # 变量去中心化
pathmodel <- ' m ~ x +z + xz                                                    # 设置模型,pathmodel还是自己根据情况命名。因为是路径分析,用的~
               y ~ x +z + m+ xz'
pathfit <- sem(pathmodel, pathdata)                                             # 进行SEM,pathfit为自己的名称,方便后面调用
summary(pathfit,fit.measures="TRUE")                                            # 显示SEM的总体结果
fitMeasures(pathfit,fit.measures="all", baseline.model=NULL)                    # 显示所有拟合指数
standardizedSolution(pathfit)                                                   # 显示标准化的结果