Modellazione ripetuta di equazioni strutturali


10

Devo analizzare un set di dati di dati di riabilitazione clinica. Sono interessato alle relazioni guidate da ipotesi tra "input" quantificato (quantità di terapia) e cambiamenti nello stato di salute. Sebbene il set di dati sia relativamente piccolo (n ~ 70), abbiamo ripetuto dati che riflettono i cambiamenti temporali in entrambi. Ho familiarità con la modellazione di effetti misti non lineari in R, tuttavia sono interessato a potenziali relazioni "causali" tra input e output qui e quindi sto prendendo in considerazione le applicazioni di misure ripetute di SEM

Gradirei consigli su quale dei pacchetti SEM per R (sam, lavaan, openmx?) Siano più adatti ai dati di misure ripetute, e in particolare raccomandazioni per i libri di testo (c'è un "Pinheiro e Bates" del campo?) .


2
Perché pensi di aver bisogno del SEM? Se hai sentito l'hype che SEM risolve tutti i problemi causali, è un overhype, solo esperimenti randomizzati ideali lo fanno. Vedi il riferimento che ho dato nella mia risposta di seguito.
Attacco

1
Quando dici n ~ 70, intendi 70 pazienti misurati nel tempo o 70 misurazioni (diciamo 7 pazienti in 10 tempi diversi)? Sto solo imparando SEM, ma una cosa che ho notato finora è che assume grandi set di dati (parlano di oltre 200 o più), quindi potresti finire frustrato / ingannare te stesso.
Wayne,

Risposte:


5

Penso che tu voglia un modello di curva di crescita latente. Mentre ho usato solo LISRELper questo, lavaan package documentationindica che può essere utilizzato per adattarsi a questo tipo di modello.

Non conosco libri specializzati in questa materia, il libro da cui sto lavorando per SEM copre una serie di metodi. Forse qualcun altro può rispondere a quell'aspetto della tua domanda.


2
(+1) In effetti, i modelli LV di curva di crescita e miscela sono tra alcuni degli argomenti "caldi" in SEM o psicometria; sono trattati in alcuni libri recenti, come Latent Variable Mixture Models (Hancock & Samuelsen, 2008). Ho altri documenti nella mia lista TOBEREADFORTOOLONG e consiglierei di guardare i lavori di Múthen e coll., In concomitanza con ciò che il software Mplus offre per quel particolare scopo . Se trovo un po 'di tempo per rileggere la letteratura e confrontare lavaan/ Mx con Mplus, invierò io stesso una risposta.
chl

Sarebbe positivo, perché ho appena appreso modelli di curve di crescita latenti e sono davvero un modello unico rispetto ad altri tipi di SEM.
Michelle,

4

No, non esiste "Pinheiro e Bates". Puoi trovare una serie di libri intitolati "SEM usando AMOS / LISREL / Mplus", ma non sono a conoscenza dell'uso di R. Il miglior libro, matematicamente parlando, su SEM è ancora Bollen (1989) . È stato scritto da un sociologo piuttosto che da un biostatista (anche se molto buono!), Quindi è rivolto agli scienziati sociali e contiene pochi riferimenti al software (e comunque non si desidera il software di un quarto di secolo fa) . Bollen ha anche scritto un buon articolo sulla causalità con Judea Pearl, vedi http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf . Per quanto ne so, anche Mulaik (2009) dovrebbe essere buono, ma è scritto da uno psicologo per psicologi.

Non penso che il pacchetto sem sia abbastanza flessibile da eseguire questo tipo di cose. OpenMx può gestire i dati ordinali (e quindi i risultati binari), ma non credo che lavaan possa farlo.

Il software che troverai concettualmente il più semplice da gestire potrebbe essere GLLAMM , un pacchetto scritto per Stata . Visto in un modo, questa è essenzialmente un'incarnazione di Stata di nlme. Con un'ulteriore modifica (che consente ai coefficienti degli effetti casuali di variare in base ai valori di altre variabili), diventa un pacchetto di modellazione di variabili latente. Tutto questo è descritto in Skrondal e Rabe-Hesketh (2004) ... che è un grande libro in sé che vorresti avere anche se lo facessi nlme.


(+1) Riferimenti piacevoli. (A proposito gllamm, visto in un altro modo - dal punto di vista di uno psicometrico abituato ai modelli IRT: è solo orribilmente lento :-)
chl

@chl, scrivi la tua probabilità;). Questo è quello che ho fatto polychoric, ad esempio, quando ne avevo bisogno.
Attacco

2

Dato che ti senti a tuo agio con modelli misti lineari generalizzati e non sembra implicare l'interesse per le variabili latenti, forse potresti voler adottare un approccio a tratti usando il lmerquale puoi quindi valutare usando un test D-Sep. Vedi Shipley, B. (2009). Analisi del percorso di conferma in un contesto multilivello generalizzato. Ecologia, Ecologia, 90, 363–368. http://dx.doi.org/10.1890/08-1034.1 per un esempio. Fornisce anche il codice R nell'appendice per come calcolare il test di D-Separation.

Se vuoi davvero entrare nella modellazione di variabili latenti e in SEM usando la massima probabilità, dai un'occhiata a http://lavaan.org - c'è un ottimo tutorial lì che copre le sue capacità e una sezione sui modelli di curve di crescita latenti che potrebbero essere ciò che stai cercando.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.