¡Hola! Hice un análisis factorial confirmatorio con tres variables latentes. Sin embargo, existen algunos problemas de estimación. Faltan algunos coeficientes estandarizados (por ejemplo, latente2> DO / Temp; latente1 <-> latente2). Un coeficiente estandarizado mayor que 1 (latente3> SoftSed, 1.012). Todas las variables se transforman y estandarizan, pero algunas todavía están sesgadas. Supongo que esta es la razón. Adjunto algunos resultados de análisis. ¿Alguien podría darme la razón por la que esto sucedió? Gracias.
También para las variables DO y Temp, tienen datos faltantes, pero cada una de ellas solo tiene dos observaciones faltantes en comparación con el total de 75 observaciones.
Hola @ lujc07 ,
La razón de los valores perdidos en el diagrama es porque la varianza de la variable latente es negativa; las varianzas no deben ser negativas, por lo que no intentamos darle una estimación estandarizada porque no tiene sentido. Además, es importante verificar el estado de convergencia de su modelo antes de examinar los resultados; si el modelo no converge, los resultados no son interpretables. En tu imagen, veo que la convergencia es un problema:
La falla de convergencia puede ocurrir por varias razones, pero en este modelo tengo dos preocupaciones:
1) Parece que algunas de sus variables latentes pueden ser casi ortogonales (consulte, por ejemplo, las correlaciones entre los indicadores Latent3 y todas las demás variables de la salida multivariante), por lo que las variables latentes de 2 indicadores podrían no ser estimables y esto puede llevar a los problemas.
2) La correlación negativa de DO y Temp podría dificultar las cosas.
Mis sugerencias para abordar estas preocupaciones son:
1) Puede cambiar la especificación de las variables latentes de 2 indicadores, de modo que fije su varianza en 1 y luego establezca las dos cargas para que sean iguales:
Para mantener la coherencia, puede liberar la primera carga de Latent3 y también fijar su variación en 1.
2) Puede intentar "codificar en reversa" una de esas dos variables para que la correlación sea positiva. Por ejemplo, para Temp, puede ir a la columna de la tabla de datos, hacer clic derecho sobre ella y seleccionar Nueva columna de fórmula> Transformar> Negación. Esto creará una nueva columna de tabla de datos con codificación inversa y puede usarla en lugar de Temp.
Espero que esto ayude a que su modelo converja hacia una solución adecuada.
Mejor,
~ Laura
Hola Laura,
Gracias por tu respuesta. Esto realmente resolvió mis problemas.
