我尝试应用 SEM 的一个数据集有很多问题。
我们假设存在 5 个潜在因素 A、B、C、D、E，分别带有指标。A1 到 A5（有序因子）、B1 到 B3（定量）、C1、D1、E1（所有最后三个有序因子，E1 只有 2 个水平。我们对所有因子之间的协方差感兴趣。
我试着用OpenMx这样做。以下是我的一些尝试：
我首先尝试对所有有序因子使用阈值矩阵，但收敛失败。
我决定使用
hetcor库中的函数polycor（我计划引导样本以获得置信区间）来使用多变量/多序列相关性而不是原始数据。它也无法收敛！我试图限制拥有完整数据的个人，它也失败了！
我的第一个问题是：有没有一种自然的方式来解释这些失败？
我的第二个问题是：我该怎么办？？？
编辑：对于可能遇到同样问题的未来读者，在浏览完函数的代码后polycor......解决方案只是hetcor()与选项一起使用std.err=FALSE。这给出的估计值与 StasK 给出的值非常相似。我现在没有时间更好地了解这里发生了什么！StasK 已经很好地回答了以下问题。
我还有其他问题，但在此之前，这是一个带有 RData 文件的 url，其中包含一个L1仅包含完整数据的数据框：data_sem.RData
这里有几行代码显示hetcor.
> require("OpenMx")
> require("polycor")
> load("data_sem.RData")
> hetcor(L1)
Erreur dans cut.default(scale(x), c(-Inf, row.cuts, Inf)) :
'breaks' are not unique
De plus : Il y a eu 11 avis (utilisez warnings() pour les visionner)
> head(L1)
A1 A2 A3 A4 A5 B1 B2 B3 C1 D1 E1
1 4 5 4 5 7 -0.82759 0.01884 -3.34641 4 6 1
4 7 5 0 4 6 -0.18103 0.14364 0.35730 0 1 0
7 7 5 7 6 9 -0.61207 -0.18914 0.13943 0 0 0
10 5 5 10 7 3 -1.47414 0.10204 0.13943 2 0 0
11 7 5 8 9 9 -0.61207 0.06044 -0.73203 0 2 0
12 5 5 9 10 5 0.25000 -0.52192 1.44662 0 0 0
但是我仍然可以以非常肮脏的方式计算相关性或协方差矩阵，将我的有序因子视为定量变量：
> Cor0 <- cor(data.frame(lapply(L1, as.numeric)))
这是一段OpenMx代码以及我的下一个问题：以下模型是否正确？没有太多的自由参数？
manif <- c("A1","A2","A3","A4","A5", "B1","B2","B3", "C1", "D1", "E1");
model1 <- mxModel(type="RAM",
manifestVars=manif, latentVars=c("A","B","C","D","E"),
# factor variance
mxPath(from=c("A","B","C","D","E"), arrows=2, free=FALSE, values = 1),
# factor covariance
mxPath(from="A", to="B", arrows=2, values=0.5),
mxPath(from="A", to="C", arrows=2, values=0.5),
mxPath(from="A", to="D", arrows=2, values=0.5),
mxPath(from="A", to="E", arrows=2, values=0.5),
mxPath(from="B", to="C", arrows=2, values=0.5),
mxPath(from="B", to="D", arrows=2, values=0.5),
mxPath(from="B", to="E", arrows=2, values=0.5),
mxPath(from="C", to="D", arrows=2, values=0.5),
mxPath(from="C", to="E", arrows=2, values=0.5),
mxPath(from="D", to="E", arrows=2, values=0.5),
# factors → manifest vars
mxPath(from="A", to=c("A1","A2","A3","A4","A5"), free=TRUE, values=1),
mxPath(from="B", to=c("B1","B2","B3"), free=TRUE, values=1),
mxPath(from="C", to=c("C1"), free=TRUE, values=1),
mxPath(from="D", to=c("D1"), free=TRUE, values=1),
mxPath(from="E", to=c("E1"), free=TRUE, values=1),
# error terms
mxPath(from=manif, arrows=2, values=1, free=TRUE),
# data
mxData(Cor0, type="cor",numObs=dim(L1)[1])
);
最后一个问题。使用这个模型（让我们暂时忘记计算相关矩阵的不恰当方式），我运行 OpenMx：
> mxRun(model1) -> fit1
Running untitled1
> summary(fit1)
在摘要中，这是：
observed statistics: 55
estimated parameters: 32
degrees of freedom: 23
-2 log likelihood: 543.5287
saturated -2 log likelihood: 476.945
number of observations: 62
chi-square: 66.58374
p: 4.048787e-06
尽管有大量参数，但拟合似乎非常糟糕。这意味着什么？这是否意味着我们应该在清单变量之间添加协方差？
非常感谢您的所有回答，我正在慢慢变得疯狂......