卡方检验的统计量推导_卡方检验如何计算?
泻药,可以看一个 R语言基于协方差的结构方程拟合的卡方检验的案例
原文链接:http://tecdat.cn/?p=10426tecdat.cn
在评估结构方程模型的拟合,很常见的应用是研究χ2进行测试,因为在给定足够大的样本量的情况下,它几乎总会检测出模型与数据之间的统计上的显着差异。因为,我们的模型几乎总是数据的近似值。如果我们的模型的协方差矩阵实际上匹配抽样变异中的样本协方差矩阵,该χ2 无论样本量多大,该检验在统计学上均无统计学意义。
因为到大样本量,从业人员往往依赖于其他拟合指数,如RMSEA,CFI和TLI-所有这些都是基于χ 2。在lavaan中,您会自动使用置信区间和p值对RMSEA进行紧密拟合测试。这个测试实际上使用χ2分布。
RMSEA的公式为:
其中,χ2是χ2模型的检验统计量,dF是模型自由度,N是样本量。
如果你的模型拟合数据完美,分子为零;这是标准的假设χ 2χ2-test测试。如果我们在RMSEA进行测试中,使用χ 2参数对应于RMSEA为0.05的分布。Lavaan将测试结果报告为拟合统计之一。
那么这对我们有什么帮助呢?非中心参数(λ )在lavaan的RMSEA测试实际上是χ 2 - d ˚Fχ2-dF对应于RMSEA为0.05的值。
因此,对于测试,λ 是:
对于中等拟合的测试,λ 是:
请注意,lavaan的处理方式可能有所不同。
因此,给定模型的自由度和样本量,我们可以计算出非中心性参数(λ )。给定λ中,χ2 值和模型的自由度,我们可以计算p值进行测试。
R的语法是:
示范
运行模型并报告拟合度。仅报告统计信息:
lavaan (0.5-23.1097) converged normally after 25 iterations Number of observations 301 Estimator ML Minimum Function Test Statistic 42.291 Degrees of freedom 21 P-value (Chi-square) 0.004 Root Mean Square Error of Approximation: RMSEA 0.058 90 Percent Confidence Interval 0.032 0.083 P-value RMSEA <= 0.05 0.276
卡方统计意义显着,该完美拟合检验表明,由于样本的变异性。
默认的卡方检验:
pchisq [1] 0.003867178
使用上面的公式计算紧密度测试的非中心参数:.0025乘以模型自由度乘以样本大小-1
ncp.close [1] 15.75
计算紧密拟合的卡方检验:
pchisq [1] 0.2740353
紧密契合度测试的p值为.27,接近lavaan报告的值。
如果我们降低标准以进行中等拟合的卡方检验:.0064乘以模型自由度乘以样本大小-1
ncp.med [1] 40.32 pchisq [1] 0.9199686
我们在模型中观察模型隐含的协方差矩阵的可能性为92%。非常好。
最后,SEM从业者通常报告χ 2-test,但通常希望该测试能够检测到模型规范错误,因此在实践中经常将其忽略。
PS:潜在变量建模的另一种方法是PLS路径建模。这是一种基于OLS回归的SEM方法。
MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130 ↩
卡方检验的统计量推导_卡方检验如何计算?相关推荐
- 卡方检验检验水准矫正_卡方检验x2检验(chi-square test)
x2检验(chi-square test)或称卡方检验,是一种用途较广的假设检验方法.可以分为成组比较(不配对资料)和个别比较(配对,或同一对象两种处理的比较)两类. 一.四格表资料的x2检验 例20 ...
- 卡方检验检验水准矫正_卡方检验在实际工作中的应用
卡方检验是以χ2分布为基础的一种常用假设检验方法,统计样本的实际观测值与理论推断值之间的偏离程度,主要在分类数据资料统计推断中应用. 在电商平台中,广告图到处可见,引起用户兴趣,为商品或者店铺带去流量 ...
- 卡方分布分位数_卡方检验和精确概率法及两两比较
看过许多统计教程,这篇是我最推荐的 介 绍 数值变量如果服从正态分布,采用均数±标准差进行统计描述,采用方差分析进行组间比较,如果组间差异有统计学意义,进一步采用LSD法(也可以是其它方法)进行 ...
- x平方检验计算_卡方检验具体怎么计算
展开全部 四格表资料检验 四格表资料的卡方检验用于进行两个率或两个构成比的比较.e69da5e6ba903231313335323631343130323136353331333366303136 1 ...
- 卡方检验计算公式-医学统计助手★卡方检验,t检验,F检验,秩和检验,方差分析
卡方检验应用于两个率或两个构成比比较:多个率或多个构成比比较以及分类资料的相关分析等. 分类为独立样本卡方检验和配对样本卡方检验,独立样本卡方检验包括四格表卡方检验和行乘列卡方检验, 配对样本卡方检验 ...
- python 卡方分布函数_卡方检验2-python代码实现
统计学,风控建模经常遇到卡方分箱算法ChiMerge.卡方分箱在金融信贷风控领域是逻辑回归评分卡的核心,让分箱具有统计学意义(单调性).卡方分箱在生物医药领域可以比较两种药物或两组病人是否具有显著区别 ...
- python 卡方检验批量筛选_卡方检验(python代码实现)
医药统计项目QQ:231469242 分类变量检验方法 卡方分布绘图 如果多个符合正态分布的独立随机变量z1,z2,z3.....zk, z1+z2+z3+....z_k呈现卡方分布,自由度k. 有几 ...
- python卡方检验筛选特征原理_基于Python的遥感特征筛选—递归特征消除(RFE)与极限树(Extra-Trees)...
引言 基于前几篇文章关于筛选方法的介绍,本篇同样给大家介绍两种python封装的经典特征降维方法,递归特征消除(RFE)与极限树(Extra-Trees, ET).其中,RFE整合了两种不同的超参数, ...
- 卡方检验检验水准矫正_【2008.】趋势性卡方检验专题讨论
学员提问学员老师,在SPSS中怎样实现线性趋势卡方检验呢?很多学员都为这个问题疑惑,下面我来详细介绍一下.老师1.线性趋势卡方检验的常用方法:线性趋势检验最常用的方法是:Cochran-Armitag ...
- spssχ2检验_卡方检验与单因素logistic回归分析结果比较
在疾病或健康的流行病学研究中,经常需要分析疾病或健康状态与各种影响因素(保护因素或危险因素)的之间的定量关系,由于疾病或健康状态是分类变量,一般采取logistic回归分析. 在做此类数据分析时,对分 ...
最新文章
- AIX下删除LV后的现场保护和数据恢复方案
- java中如何获取系统时间
- 机器学习-LR推导及与SVM的区别
- Linux加法简单程序,Android应用程序的开发目录——简单的加法计算示例
- Linux lua 性能,systemTab动态分析linux下lua性能
- python面对对象编程写一个程序有一个汽车_汽车类面向对象编程Python
- iOS开发之报错:IntxLNK
- linux装python环境_第一章 linux安装及python环境搭建
- c语言贪吃蛇设计实验报告引言,C语言实现贪吃蛇游戏设计
- ubuntu 18.04 更新显卡驱动
- openGL渲染管线流程-顶点着色器,曲面细分着色器,几何着色器,片元着色器顺序
- 阿卡迪亚大学计算机专业好考吗,申请阿卡迪亚大学究竟难不难?
- 蚂蚁金服微贷事业群电话面试分享
- android平台下OpenGL ES 3.0给图片添加黑白滤镜
- Linux中延时/暂停函数(sleep/usleep/nanosleep/select)的比较、底层实现说明
- Transformer论文学习笔记
- 生鲜电商Instacart再度下调估值:降至130亿美元 暂不IPO
- 如何有效的维权,这些投诉平台你可能用得上
- 打磨Comodo,做有意义的事儿(1)
- 与网络公司合作建站流程和注意事项