如何使用R的lavaan包计算SEM路径系数的效应量(偏η²)
lavaan结构方程模型路径系数偏η²计算方法
你可以通过两种方式实现需求,两种方式都同时适配显变量模型和潜变量模型:
方法1:快速近似计算(无需额外包)
SEM场景下路径的偏η²可以直接用标准化路径系数的平方近似,误差极小,适配所有lavaan拟合的模型:
# 提取标准化路径结果 std_paths <- standardizedSolution(fit) # 筛选c、a、b三个路径的标准化系数,对est.std列求平方即可得到偏η²近似值 std_paths[std_paths$label %in% c("a","b","c"), c("lhs","op","rhs","label","est.std")]
方法2:精确计算
计算逻辑
偏η²的核心公式为:
偏η² = (非标准化路径系数² × 预测变量方差) / (非标准化路径系数² × 预测变量方差 + 结果变量残差方差)
针对你给出的示例代码,可通过两种方式得到精确结果:
方式1:手动计算
# 提取模型参数 params <- parameterEstimates(fit) # 提取所需参数 a <- params[params$label == "a", "est"] b <- params[params$label == "b", "est"] c <- params[params$label == "c", "est"] var_x <- params[params$lhs == "X" & params$op == "~~" & params$rhs == "X", "est"] resid_m <- params[params$lhs == "M" & params$op == "~~" & params$rhs == "M", "est"] resid_y <- params[params$lhs == "Y" & params$op == "~~" & params$rhs == "Y", "est"] var_m <- a^2 * var_x + resid_m # 计算三个路径的偏η² eta2_a <- (a^2 * var_x) / (a^2 * var_x + resid_m) eta2_b <- (b^2 * var_m) / (b^2 * var_m + resid_y) eta2_c <- (c^2 * var_x) / (c^2 * var_x + resid_y) # 输出结果 data.frame( 路径 = c("M~X(a)", "Y~M(b)", "Y~X(c)"), 偏η² = round(c(eta2_a, eta2_b, eta2_c), 3) )
方式2:调用工具包计算
使用semTools包的etaSquared()函数可直接输出所有路径的精确偏η²结果,无需手动推导:
# 安装加载包 # install.packages("semTools") library(semTools) # 直接计算偏η² eta_result <- etaSquared(fit) # 查看结果 print(eta_result)
如果是潜变量模型,上述所有方法都无需修改,直接传入潜变量模型的fit对象即可正常运行。
内容的提问来源于stack exchange,提问作者mat
相关产品推荐
相关产品推荐

