COMMunication
RESearch.NET

User Tools

Site Tools

You are here: index » path_analysis
Trace: • w07_anova_note • poisson_distribution • collective_action_theory • oneway_anova • se_of_correlation_coefficient • flipped_learning • w07_anova_note • multicolinearity • path_analysis • post_hoc_test
path_analysis

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Next revision		Previous revision
path_analysis [2022/11/09 12:21] – created hkimscilpath_analysis [2024/09/27 20:45] (current) – hkimscil
Line 1: Line 1:
 ====== Path Analysis ====== ====== Path Analysis ======
 ===== Planned Behavior Modeling ===== ===== Planned Behavior Modeling =====
-<code>+<code rstudio>
 ###################################################### ######################################################
 ## data file: PlannedBehavior.csv ## data file: PlannedBehavior.csv
Line 27: Line 27:
 # Summarize model # Summarize model
 summary(fitmod, fit.measures=TRUE, rsquare=TRUE) summary(fitmod, fit.measures=TRUE, rsquare=TRUE)
 +</code>
  
 +====== Output ======
  
 +<code>
 +######################################################
 +> ## data file: PlannedBehavior.csv
 +> ######################################################
 +> df <- read.csv("http://commres.net/wiki/_media/r/plannedbehavior.csv")
 +> head(df)
 +  attitude norms control intention behavior
 +1     2.31  2.31    2.03      2.50     2.62
 +2     4.66  4.01    3.63      3.99     3.64
 +3     3.85  3.56    4.20      4.35     3.83
 +4     4.24  2.25    2.84      1.51     2.25
 +5     2.91  3.31    2.40      1.45     2.00
 +6     2.99  2.51    2.95      2.59     2.20
 +> str(df)
 +'data.frame': 199 obs. of  5 variables:
 + $ attitude : num  2.31 4.66 3.85 4.24 2.91 2.99 3.96 3.01 4.77 3.67 ...
 + $ norms    : num  2.31 4.01 3.56 2.25 3.31 2.51 4.65 2.98 3.09 3.63 ...
 + $ control  : num  2.03 3.63 4.2 2.84 2.4 2.95 3.77 1.9 3.83 5 ...
 + $ intention: num  2.5 3.99 4.35 1.51 1.45 2.59 4.08 2.58 4.87 3.09 ...
 + $ behavior : num  2.62 3.64 3.83 2.25 2 2.2 4.41 4.15 4.35 3.95 ...
 +> ######################################################
 +> # attitude
 +> # norms
 +> # control
 +> # intention
 +> # behavior
 +> ######################################################
 +> # install.packages("lavaan")
 +> library(lavaan)
 +This is lavaan 0.6-9
 +lavaan is FREE software! Please report any bugs.
 +Warning message:
 +패키지 ‘lavaan’는 R 버전 4.1.2에서 작성되었습니다 
 +> 
 +> # Specify model
 +> specmod <- "
 ++ intention ~ attitude + norms + control 
 ++ "
 +> # Estimate model
 +> fitmod <- sem(specmod, data=df)
 +> 
 +> # Summarize model
 +> summary(fitmod, fit.measures=TRUE, rsquare=TRUE)
 +lavaan 0.6-9 ended normally after 11 iterations
 +
 +  Estimator                                         ML
 +  Optimization method                           NLMINB
 +  Number of model parameters                         4
 +                                                      
 +  Number of observations                           199
 +                                                      
 +Model Test User Model:
 +                                                      
 +  Test statistic                                 0.000
 +  Degrees of freedom                                 0
 +
 +Model Test Baseline Model:
 +
 +  Test statistic                                91.633
 +  Degrees of freedom                                 3
 +  P-value                                        0.000
 +
 +User Model versus Baseline Model:
 +
 +  Comparative Fit Index (CFI)                    1.000
 +  Tucker-Lewis Index (TLI)                       1.000
 +
 +Loglikelihood and Information Criteria:
 +
 +  Loglikelihood user model (H0)               -219.244
 +  Loglikelihood unrestricted model (H1)       -219.244
 +                                                      
 +  Akaike (AIC)                                 446.489
 +  Bayesian (BIC)                               459.662
 +  Sample-size adjusted Bayesian (BIC)          446.990
 +
 +Root Mean Square Error of Approximation:
 +
 +  RMSEA                                          0.000
 +  90 Percent confidence interval - lower         0.000
 +  90 Percent confidence interval - upper         0.000
 +  P-value RMSEA <= 0.05                             NA
 +
 +Standardized Root Mean Square Residual:
 +
 +  SRMR                                           0.000
 +
 +Parameter Estimates:
 +
 +  Standard errors                             Standard
 +  Information                                 Expected
 +  Information saturated (h1) model          Structured
 +
 +Regressions:
 +                   Estimate  Std.Err  z-value  P(>|z|)
 +  intention ~                                         
 +    attitude          0.352    0.058    6.068    0.000
 +    norms             0.153    0.059    2.577    0.010
 +    control           0.275    0.058    4.740    0.000
 +
 +Variances:
 +                   Estimate  Std.Err  z-value  P(>|z|)
 +   .intention         0.530    0.053    9.975    0.000
 +
 +R-Square:
 +                   Estimate
 +    intention         0.369
 </code> </code>
  
-====== Output ======+====== Model 2 ====== 
 +<code> 
 +# Specify model 
 +specmod2 <- " 
 +intention ~ attitude + norms + control  
 +attitude ~~ norms + control 
 +norms ~~ control  
 +" 
 +# Estimate model 
 +fitmod2 <- sem(specmod2, data=df) 
 + 
 +# Summarize model 
 +summary(fitmod2, fit.measures=TRUE, rsquare=TRUE) 
 +</code> 
 + 
 +<code> 
 +fitmod <- lm(intention ~ attitude + norms + control, data=df) 
 +summary(fitmod) 
 +</code> 
 + 
 +<code> 
 +  
 +> # Specify model 
 +> specmod2 <- " 
 ++ intention ~ attitude + norms + control  
 ++ attitude ~~ norms + control 
 ++ norms ~~ control  
 ++ " 
 +> # Estimate model 
 +> fitmod2 <- sem(specmod2, data=df) 
 +>  
 +> # Summarize model 
 +> summary(fitmod2, fit.measures=TRUE, rsquare=TRUE) 
 +lavaan 0.6-9 ended normally after 17 iterations 
 + 
 +  Estimator                                         ML 
 +  Optimization method                           NLMINB 
 +  Number of model parameters                        10 
 +                                                       
 +  Number of observations                           199 
 +                                                       
 +Model Test User Model: 
 +                                                       
 +  Test statistic                                 0.000 
 +  Degrees of freedom                                 0 
 + 
 +Model Test Baseline Model: 
 + 
 +  Test statistic                               136.306 
 +  Degrees of freedom                                 6 
 +  P-value                                        0.000 
 + 
 +User Model versus Baseline Model: 
 + 
 +  Comparative Fit Index (CFI)                    1.000 
 +  Tucker-Lewis Index (TLI)                       1.000 
 + 
 +Loglikelihood and Information Criteria: 
 + 
 +  Loglikelihood user model (H0)              -1011.828 
 +  Loglikelihood unrestricted model (H1)      -1011.828 
 +                                                       
 +  Akaike (AIC)                                2043.656 
 +  Bayesian (BIC)                              2076.589 
 +  Sample-size adjusted Bayesian (BIC)         2044.908 
 + 
 +Root Mean Square Error of Approximation: 
 + 
 +  RMSEA                                          0.000 
 +  90 Percent confidence interval - lower         0.000 
 +  90 Percent confidence interval - upper         0.000 
 +  P-value RMSEA <= 0.05                             NA 
 + 
 +Standardized Root Mean Square Residual: 
 + 
 +  SRMR                                           0.000 
 + 
 +Parameter Estimates: 
 + 
 +  Standard errors                             Standard 
 +  Information                                 Expected 
 +  Information saturated (h1) model          Structured 
 + 
 +Regressions: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +  intention ~                                          
 +    attitude          0.352    0.058    6.068    0.000 
 +    norms             0.153    0.059    2.577    0.010 
 +    control           0.275    0.058    4.740    0.000 
 + 
 +Covariances: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +  attitude ~~                                          
 +    norms             0.200    0.064    3.128    0.002 
 +    control           0.334    0.070    4.748    0.000 
 +  norms ~~                                             
 +    control           0.220    0.065    3.411    0.001 
 + 
 +Variances: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +   .intention         0.530    0.053    9.975    0.000 
 +    attitude          0.928    0.093    9.975    0.000 
 +    norms             0.830    0.083    9.975    0.000 
 +    control           0.939    0.094    9.975    0.000 
 + 
 +R-Square: 
 +                   Estimate 
 +    intention         0.369 
 + 
 +>  
 +> fitmod <- lm(intention ~ attitude + norms + control, data=df) 
 +> summary(fitmod) 
 + 
 +Call: 
 +lm(formula = intention ~ attitude + norms + control, data = df) 
 + 
 +Residuals: 
 +     Min       1Q   Median       3Q      Max  
 +-1.80282 -0.52734 -0.06018  0.51228  1.85202  
 + 
 +Coefficients: 
 +            Estimate Std. Error t value Pr(>|t|)     
 +(Intercept)  0.58579    0.23963   2.445   0.0154 *   
 +attitude     0.35232    0.05866   6.006 9.13e-09 *** 
 +norms        0.15250    0.05979   2.550   0.0115 *   
 +control      0.27502    0.05862   4.692 5.09e-06 *** 
 +--- 
 +Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 + 
 +Residual standard error: 0.7356 on 195 degrees of freedom 
 +Multiple R-squared:  0.369, Adjusted R-squared:  0.3593  
 +F-statistic: 38.01 on 3 and 195 DF,  p-value: < 2.2e-16 
 + 
 +>  
 +</code> 
 +====== Model 3 ====== 
 +<code> 
 +# Specify model 
 +specmod3 <- " 
 +  # directional relationships 
 +  intention ~ attitude + norms + control  
 +  behavior ~ intention 
 +   
 +  # covariances 
 +  attitude ~~ norms + control 
 +  norms ~~ control  
 +" 
 +# Estimate model 
 +fitmod3 <- sem(specmod3, data=df) 
 + 
 +# Summarize model 
 +summary(fitmod3, fit.measures=TRUE, rsquare=TRUE) 
 +</code> 
 +<code> 
 +> df <- read.csv("http://commres.net/wiki/_media/r/plannedbehavior.csv") 
 +> # Specify model 
 +> specmod3 <- " 
 ++   # directional relationships 
 ++   intention ~ attitude + norms + control  
 ++   behavior ~ intention 
 ++    
 ++   # covariances 
 ++   attitude ~~ norms + control 
 ++   norms ~~ control  
 ++ " 
 +> # Estimate model 
 +> fitmod3 <- sem(specmod3, data=df) 
 +>  
 +> # Summarize model 
 +> summary(fitmod3, fit.measures=TRUE, rsquare=TRUE) 
 +lavaan 0.6-12 ended normally after 18 iterations 
 + 
 +  Estimator                                         ML 
 +  Optimization method                           NLMINB 
 +  Number of model parameters                        12 
 + 
 +  Number of observations                           199 
 + 
 +Model Test User Model: 
 +                                                       
 +  Test statistic                                 2.023 
 +  Degrees of freedom                                 3 
 +  P-value (Chi-square)                           0.568 
 + 
 +Model Test Baseline Model: 
 + 
 +  Test statistic                               182.295 
 +  Degrees of freedom                                10 
 +  P-value                                        0.000 
 + 
 +User Model versus Baseline Model: 
 + 
 +  Comparative Fit Index (CFI)                    1.000 
 +  Tucker-Lewis Index (TLI)                       1.019 
 + 
 +Loglikelihood and Information Criteria: 
 + 
 +  Loglikelihood user model (H0)              -1258.517 
 +  Loglikelihood unrestricted model (H1)      -1257.506 
 +                                                       
 +  Akaike (AIC)                                2541.035 
 +  Bayesian (BIC)                              2580.555 
 +  Sample-size adjusted Bayesian (BIC)         2542.538 
 + 
 +Root Mean Square Error of Approximation: 
 + 
 +  RMSEA                                          0.000 
 +  90 Percent confidence interval - lower         0.000 
 +  90 Percent confidence interval - upper         0.103 
 +  P-value RMSEA <= 0.05                          0.735 
 + 
 +Standardized Root Mean Square Residual: 
 + 
 +  SRMR                                           0.019 
 + 
 +Parameter Estimates: 
 + 
 +  Standard errors                             Standard 
 +  Information                                 Expected 
 +  Information saturated (h1) model          Structured 
 + 
 +Regressions: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +  intention ~                                          
 +    attitude          0.352    0.058    6.068    0.000 
 +    norms             0.153    0.059    2.577    0.010 
 +    control           0.275    0.058    4.740    0.000 
 +  behavior ~                                           
 +    intention         0.453    0.065    7.014    0.000 
 + 
 +Covariances: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +  attitude ~~                                          
 +    norms             0.200    0.064    3.128    0.002 
 +    control           0.334    0.070    4.748    0.000 
 +  norms ~~                                             
 +    control           0.220    0.065    3.411    0.001 
 + 
 +Variances: 
 +                   Estimate  Std.Err  z-value  P(>|z|) 
 +   .intention         0.530    0.053    9.975    0.000 
 +   .behavior          0.699    0.070    9.975    0.000 
 +    attitude          0.928    0.093    9.975    0.000 
 +    norms             0.830    0.083    9.975    0.000 
 +    control           0.939    0.094    9.975    0.000 
 + 
 +R-Square: 
 +                   Estimate 
 +    intention         0.369 
 +    behavior          0.198 
 + 
 +</code> 
 + 
 +<code> 
 +a <- (5*(5+1))/2 
 +b <- 12 
 +a-b 
  
-<coce> 
 </code> </code>
path_analysis.1667996494.txt.gz · Last modified: by hkimscil
Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki