我需要分析一个临床康复数据集。我对量化的“输入”（治疗量）和健康状况变化之间的假设驱动关系感兴趣。虽然数据集相对较小（n~70），但我们有重复的数据反映了两者的时间变化。我熟悉 R 中的非线性混合效应建模，但对此处输入和输出之间的潜在“因果”关系感兴趣，因此正在考虑 SEM 的重复测量应用
如果任何 R 的 SEM 包（sam、lavaan、openmx？）最适合重复测量数据，尤其是教科书的建议，我将不胜感激（是否有该领域的“Pinheiro 和 Bates”？） .
重复测量结构方程建模
机器算法验证
r
重复测量
面板数据
结构方程建模
2022-03-11 15:29:50
3个回答
我认为你想要一个潜在的增长曲线模型。虽然我只用于LISREL此，但lavaan package documentation表示它可用于适合这种类型的模型。
我不知道有什么专门研究这个主题的书，我正在为 SEM 工作的书涵盖了一系列方法。也许其他人可以回答您问题的这一方面。
不，没有“皮涅罗和贝茨”。您可以找到许多名为“使用 AMOS/LISREL/Mplus 的 SEM”的书籍，但我不知道有任何使用 R。从数学上讲，关于 SEM 的最佳书籍仍然是Bollen (1989)。它是由社会学家而不是生物统计学家编写的（虽然是一个非常好的人！），因此针对社会科学家，并且几乎没有提到软件（无论如何，你不想要四分之一世纪前的软件） . Bollen 最近还与 Judea Pearl 共同撰写了一篇关于因果关系的好论文，请参见http://ftp.cs.ucla.edu/pub/stat_ser/r393.pdf。据我所知，Mulaik (2009)也应该不错，但它是由心理学家为心理学家写的。
我不认为 sem 包足够灵活来运行这种东西。OpenMx 可以处理序数数据（因此是二进制结果），但我不认为 lavaan 可以做到这一点。
从概念上讲，您会发现最容易处理的软件可能是GLLAMM ，它是为Stata编写的软件包。从某种角度来看，这本质上是nlme. 通过额外的调整（允许随机效应的系数根据其他变量的值而变化），它成为一个潜在变量建模包。这一切都在Skrondal 和 Rabe-Hesketh (2004)中进行了描述......这本身就是一本很棒的书，即使你只是想拥有它nlme。
由于您似乎对广义线性混合模型感到满意，并且您似乎并不暗示您对潜在变量感兴趣，因此您可能希望采用分段方法lmer，然后您可以使用 D-Sep 测试进行评估。参见 Shipley, B. (2009)。广义多级上下文中的验证性路径分析。生态学，生态学，90，363-368。 例如http://dx.doi.org/10.1890/08-1034.1。他还在附录中提供了如何计算 D-Separation 测试的 R 代码。
如果您真的想使用最大似然进行潜在变量建模和 SEM，请查看http://lavaan.org - 那里有一个很棒的教程，涵盖了它的功能以及潜在增长曲线模型的部分，这很可能是什么你在追求。