R Lavaan 编码潜变量交互

Question

有人能够向我展示如何在lavaan软件包的模型语句中编码潜变量交互吗？

假设我有一个潜变量L1和一些观察变量F1，并想要编码它们对某个结果Y的交互效应：

L1 =~ x1 + x2

Y ~ L1 * F1 

这个不起作用。

提前感谢！

- user3773375

---

我认为你在cross-validated上可能会得到更好的回应，因为这与统计学更相关。 - user20650

Answer 1

感谢John Madden的重要评论，我将区分调节（您可能正在寻找的内容）和调解。

调节（变量值的交互作用）

对于您的问题，简单的答案是：据我所知，没有lavaan集成的可能性来执行两个潜在变量的交互作用，但这是我的一个解决方法：

1. 定义潜在变量（CFA）
2. 提取预测值，将其添加到数据框中并定义交互变量
3. 进行您想要的回归（使用或不使用潜在变量本身）

这是一些玩具代码的解决方法 - 调节与此数据(mtcars，它在R基础中)无关并且会给出警告，但工作流程的结构应该很清楚。

library(lavaan)

# 1. set up your measurement models
cfamodel <- "
    #defining the latent variables
    L1 =~ drat + wt
    L2 =~ disp + hp
"
fitcfa <- cfa(data = mtcars, model = cfamodel)

# 2. extract the predicted values of the cfa and add them to the dataframe
semdata <- data.frame(mtcars, predict(fitcfa))

# create a new variable with the interaction of L1 and L2
semdata <- semdata %>%
              mutate(L1L2 = L1 * L2)

# 3. now set up the regression and add the predefined interaction to the model
# a) regression with both latent variables and the interaction
semmodel1 <- "
    # define regression
    mpg ~ L1 + L2 + L1L2
"
fitsem1 <- sem(data = semdata, model = semmodel1)
summary(fitsem1)

# b) regression with only the interaction (does that even make sense? I don't know...)
semmodel2 <- "
    # define regression
    mpg ~ L1L2
"
fitsem2 <- sem(data = semdata, model = semmodel2)
summary(fitsem2)

中介效应（权重的交互作用）

在中介效应中，您需要定义一个新参数，该参数是感兴趣的两个回归权重的乘积。以您的示例为例，L1 为潜在变量，F1 为观察变量，Y为因变量，则此参数为：

# define Regressions (direct effect)
Y ~ lambda1*X
Y ~ lambda2*M

# define Regressions (effect on mediator)
M ~ X

# define Interaction
interac := lambda1*lambda2

fit <- sem(model, data = Data)
summary(fit)

lavaan将为您提供交互作用的估计值。 :=运算符“定义新参数，这些参数的值是原始模型参数的任意函数。”示例来自：http://lavaan.ugent.be/tutorial/mediation.html

- j_5chneider

---

我看不到你的回应中有交互项。你所提供的例子是一个调节效应的例子，而OP要求的是交互作用，也就是在心理学领域中所称的调节效应。据我所知，lavaan目前还不支持这种分析。 - John Madden

@blazej 很好的问题。我想我从来没有读过关于调节中介的内容。你能画出模型的路径吗？我无法想象调节和中介在哪里发挥作用。 - j_5chneider

@blazej 很好，谢谢。你链接中的示例是一个清单模型。我为您准备了一个使用 R 基础集成的 mtcars 数据的示例，因此您也可以运行它：model <- " # 依赖变量路径 mpg ~ lambda1*cyl + lambda2*disp + drat + disp:drat # 中介变量路径 disp ~ cyl # 定义中介：权重交互作用 interac := lambda1*lambda2 " fit <- sem(model, data = mtcars) summary(fit) - j_5chneider

@blazej 如果你的一个参与调节的变量被建模为潜在变量，那么你需要事先定义它们，并像上面的调节示例中提取预测值，然后将交互变量插入模型中。我无法在注释中插入换行符，所以你需要在复制代码后进行换行。将我上一条评论中的示例与你从网站中得到的示例相关联：mpg = Y，cyl = X，disp = M，drat = V，disp:drat = MV（调节），interac = 间接效应（中介） - j_5chneider

哇！看起来确实很棒。不知道为什么这在lavaan材料中没有被描述？如果您愿意完整地描述这个例子，我可能会将其作为一个单独的问题提出来。 - blazej