我尝试使用semopy包（https://arxiv.org/pdf/1905.09376v1.pdf）对 SEM 模型进行编码，但是那里有 3 种类型的变量 - 除了潜在变量，还有主要变量和观察变量。有什么不同？
我的数据中有一些特征，并计划将它们与一些潜在变量相匹配，但是模型在这个 3 变量系统中应该是什么样子？我的特征是否应该是与一些随机创建的清单变量具有一对一关系的观察变量，这些变量将与潜在变量匹配？它有什么意义？
明显变量和观察变量之间的差异
机器算法验证
Python
因子分析
结构方程建模
2022-04-02 07:07:02
1个回答
我同意这令人困惑。
清单变量和“观察到的”变量都是观察到的，因为它们是输入数据集的一部分，而不是潜在变量。
包中的区别semopy在于，明显变量是测量模型的一部分（即潜在变量的定义），而“观察到的”变量是结构模型的一部分（潜在变量与“观察到的”变量之间的关系） "变量)
根据您的描述，您将定义一些潜在变量作为您的测量模型，使用这些特征作为清单变量。除非您具有属于结构模型的特征，否则您不会有“观察到的”变量。