R 中的 SEM 路径分析

Question

I 运行 R 中的路径分析和以下矩阵表示变量之间的影响。

    M <- c(0, 0, 0, 0, 0)
    p<-c(0, 0, 0, 0, 0)
    O <- c(0, 0, 0, 0, 0)
    T <- c(1, 0, 1, 1, 0)
    Sales <- c(1, 1, 1, 1, 0)

sales_path <- rbind(M, p, O, T, Sales)

colnames(sales_path) <- rownames(sales_path)

#innerplot(sales_pls)

sales_blocks <- list(
                c("m1", "m2"),
                #c("pr"),
                c("R1"),
                #c("C1"),
                c("tt1"),
                c("Sales")
)

sales_modes = rep("A", 5)

sales_pls <- plspm(input_file, sales_path, sales_blocks, scheme = "centroid", scaled = FALSE,  modes = sales_modes)

我有 2 个问题：

我收到的权重可以用来计算潜在变量的值，例如我的 M 变量有清单变量有计算其值的公式吗？
我运行路径分析的主要目的是预测销量。对每个潜在变量使用 estimations(beta) 是否可能？

Answer 1

i want to know if i am able to calculate the value of the latent variable

是的。它实际上很容易。您的潜在变量分数可以通过运行宁sales_pls$scores获得。你也可以运行summary(sales_pls)。为了更容易解释，您可能希望以与指标（显变量）相同的比例表示潜在变量。这可以通过标准化每个指标块中的外部权重来实现，以便权重以比例表示。但是，为了应用此归一化，所有外部权重都必须为正。您可以将函数 rescale() 应用于对象 sales_pls 并获得以清单变量的原始比例表示的分数。获得重新调整后的分数后，您可以使用 summary() 来验证获得的结果是否有意义（即以原始指标规模表示的分数）：

# rescaling scores
rescaled_sales_pls = rescale(sales_pls)
# summary
summary(rescaled_sales_pls)

（同样你也可以运行 rescaled_sales_pls）

if i can predict Sales using the betas from the output

理论上我想你可以，但我不太确定你为什么会想要。这里路径分析的用处是分解多元回归模型的自变量和因变量之间相关性的来源。

R 中的 SEM 路径分析

SEM-Path analysis in R

analysis

r