बार-बार उपाय संरचनात्मक समीकरण मॉडलिंग

10

मुझे नैदानिक पुनर्वास डेटा के डेटासेट का विश्लेषण करने की आवश्यकता है। मुझे मात्रात्मक "इनपुट" (चिकित्सा की मात्रा) और स्वास्थ्य की स्थिति में परिवर्तन के बीच परिकल्पना संचालित संबंधों में दिलचस्पी है। हालांकि डेटासेट अपेक्षाकृत छोटा है (n ~ 70) हम दोनों में अस्थायी परिवर्तन को दर्शाते हुए डेटा दोहराया है। मैं आर में गैर-रेखीय मिश्रित प्रभाव मॉडलिंग से परिचित हूं, हालांकि यहां इनपुट और आउटपुट के बीच संभावित "कारण" रिश्तों में दिलचस्पी है और इस प्रकार SEM के दोहराया उपायों पर विचार कर रहा हूं

मैं उस सलाह की सराहना करता हूँ, जिस पर यदि कोई आरएम (सैम, लावाँ, ओपनमेक्स?) के लिए एसईएम पैकेज दोहराया डेटा के लिए सबसे अच्छा अनुकूल है, और विशेष रूप से पाठ्यपुस्तकों के लिए सिफारिशें (क्या क्षेत्र का "पिनहेरो और बेट्स" है?) ।

r repeated-measures panel-data sem

— RobF
स्रोत

2

आपको क्या लगता है कि आपको SEM की आवश्यकता क्यों है? यदि आपने प्रचार सुना है कि SEM सभी कारण समस्याओं को हल करता है, तो यह एक ओवरहाइप है, केवल आदर्श यादृच्छिक प्रयोग करते हैं। नीचे दिए गए मेरे उत्तर में संदर्भ देखें।

— 21

1

जब आप n ~ 70 कहते हैं, तो क्या आपका मतलब है कि समय के साथ मापा जाने वाले 70 रोगी, या 70 माप (10 अलग-अलग समय में 7 रोगी कहते हैं)? मैं सिर्फ SEM सीख रहा हूं, लेकिन एक बात जो मैंने अब तक देखी है, वह यह है कि यह बड़े डेटासेट्स (वे 200+ या अधिक की बात करते हैं) को मानते हैं, इसलिए आप निराशा / खुद को बेवकूफ बना सकते हैं।

— वेन

5

मुझे लगता है कि आप एक अव्यक्त विकास वक्र मॉडल चाहते हैं। जबकि मैंने केवल इसके LISRELलिए उपयोग किया है, यह lavaan package documentationइंगित करता है कि इसका उपयोग इस प्रकार के मॉडल को फिट करने के लिए किया जा सकता है।

मुझे इस विषय में विशेषज्ञता वाली किसी भी पुस्तक का पता नहीं है, मैं जिस पुस्तक के लिए काम कर रहा हूं, वह एसईएम के कई तरीकों को शामिल करती है। शायद कोई और आपके सवाल का जवाब दे सकता है।

— मिशेल
स्रोत

2

(+1) वास्तव में, विकास वक्र और मिश्रण एलवी मॉडल एसईएम या साइकोमेट्रिक्स में 'हॉट' विषयों में से कुछ हैं; वे कुछ हालिया पुस्तकों में शामिल हैं, जैसे कि लेटेंट वेरिएबल मिक्सचर मॉडल्स (हैनकॉक एंड सैमुएलसेन, 2008)। मेरे पास मेरे TOBEREADFORTOOLONG सूची के अन्य कागजात हैं, और मैं उस विशेष प्रयोजन के लिए Mplus सॉफ्टवेयर की पेशकश के साथ संयोजन के रूप में Mauen और Coll से काम देखने की सलाह दूंगा । अगर मुझे साहित्य को फिर से पढ़ने और lavaanएमएक्स की तुलना करने के लिए कुछ समय मिल गया है , तो मैं खुद एक उत्तर दूंगा।

— chl

यह अच्छा होगा, क्योंकि मैंने केवल अव्यक्त वृद्धि वक्र मॉडल सीखा है, और वे वास्तव में अन्य प्रकार के एसईएम की तुलना में काफी अद्वितीय मॉडल हैं।

— मिशेल

4

नहीं, कोई "पिनेहिरो और बेट्स" नहीं है। आप कई पुस्तकें पा सकते हैं जैसे "SEM का उपयोग AMOS / LISREL / Mplus", लेकिन मुझे R का उपयोग करने वाले किसी भी व्यक्ति के बारे में पता नहीं है। SEM पर सबसे अच्छी पुस्तक, गणितीय रूप से बोलना अभी भी बोलन (1989) है । यह एक समाजशास्त्री द्वारा लिखा जाता है बजाय एक बायोस्टैटिस्टियन (हालांकि एक बहुत अच्छा!), और इसलिए सामाजिक वैज्ञानिकों का उद्देश्य है, और सॉफ्टवेयर के कुछ संदर्भ हैं (और आप एक सदी पहले, वैसे भी सॉफ्टवेयर से तिमाही नहीं चाहते हैं) । बोलेन ने हाल ही में यहूदिया पर्ल के साथ कार्य-कारण पर एक अच्छे पेपर का सह-लेखन किया है, http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf देखें । जहां तक मैं बता सकता हूं, मुलिक (2009) भी अच्छा होना चाहिए, लेकिन यह मनोवैज्ञानिकों के लिए एक मनोवैज्ञानिक द्वारा लिखा गया है।

मुझे नहीं लगता कि इस तरह का सामान चलाने के लिए सेम पैकेज काफी लचीला है। OpenMx क्रमिक डेटा (और इसलिए बाइनरी परिणाम) से निपट सकता है, लेकिन मुझे नहीं लगता कि लावायन ऐसा कर सकता है।

सॉफ्टवेयर है कि आप वैचारिक रूप से निपटने के लिए सबसे आसान होगा GLLAMM हो सकता है , एक पैकेज Stata के लिए लिखा है । एक तरह से देखा जाए, तो यह अनिवार्य रूप से एक स्टैटा अवतार है nlme। एक अतिरिक्त ट्वीक के साथ (यादृच्छिक प्रभावों के गुणांक को अन्य चर के मूल्यों के अनुसार अलग-अलग होने की अनुमति देता है), यह एक अव्यक्त रैंकिंग पैकेज बन जाता है। यह सब Skrondal और Rabe-Hesketh (2004) में वर्णित है ... जो कि आपके द्वारा किए जाने पर भी एक महान पुस्तक है जो आप चाहते हैं nlme।

— StasK
स्रोत

(+1) अच्छे संदर्भ। (के बारे में gllamm, एक और तरीका देखा - एक IRT मॉडल के लिए इस्तेमाल किया मनोचिकित्सक के नजरिए से: यह सिर्फ बहुत धीमी है :-)

— chl

@chl, अपनी संभावना लिखें;)। polychoricउदाहरण के लिए, जब मुझे इसकी आवश्यकता थी, तो मैंने इसके साथ क्या किया ।

— 21

2

जैसा कि आप सामान्यीकृत रैखिक मिश्रित मॉडल के साथ सहज महसूस करते हैं, और आपको यह प्रतीत नहीं होता है कि आप अव्यक्त चर में रुचि रखते हैं, शायद आप एक टुकड़े-टुकड़े दृष्टिकोण लेना चाहते हैं, lmerजिसके उपयोग से आप डी-सेप परीक्षण का उपयोग करके मूल्यांकन कर सकते हैं। शिप्ली, बी। (2009) देखें। एक सामान्यीकृत बहुस्तरीय संदर्भ में पुष्टि पथ विश्लेषण। पारिस्थितिकी, पारिस्थितिकी, 90, 363-368। एक उदाहरण के लिए http://dx.doi.org/10.1890/08-1034.1 । वह डी-सेपरेशन के परीक्षण की गणना करने के लिए परिशिष्ट में आर कोड भी प्रदान करता है।

यदि आप वास्तव में अव्यक्त चर मॉडलिंग और SEM में अधिकतम संभावना का उपयोग करना चाहते हैं, तो http://lavaan.org देखें - वहाँ एक महान ट्यूटोरियल है जो अपनी क्षमताओं के साथ-साथ अव्यक्त विकास वक्र मॉडल पर एक खंड को कवर करता है जो अच्छी तरह से हो सकता है तुम इसके बाद हो।

— jebyrnes
स्रोत