Crear bien Latente Variable en Lavaan de Depresión / Cuestionario de ansiedad

Estoy construyendo un modelo de ecuación estructural que incorpora 4 variables latentes: estilo de vida físico, estilo de vida social, puntaje de trauma, y el DV (bien-ser).

Tenemos una encuesta de 7 preguntas sobre el bienestar justo, pero creo que sería más sonido (error de medición intuitivo) para llenar tres encuestas de bienestar, depresión y ansiedad para convertirlas en una variable dependiente latente. Recibí la advertencia de que la matriz de covariancia no era positiva definida cuando sólo se utilizaban las puntuaciones escaladas de las encuestas, así que decidí realmente incorporar las preguntas de las propias encuestas. Sin embargo, cuando hago esto y luego miro índices de modificación recibo una salida que sugiere que los residuos no están actualmente correlacionados, cuando pensé que ese era el predeterminado para cualquier variable latente, por lo que me pregunto si estoy especificando la variable latente del bienestar correctamente (si es sólo una cuestión de añadir en todas las preguntas que en última instancia comprenderán esta variable latente).

A continuación está todo el modelo. La variable latente "bienestar" actualmente sólo tiene preguntas de la Encuesta de Depresión de Phq 9, y la Encuesta General de Ansiedad (pero también se añadirá en la encuesta de bienestar). He añadido la salida para los índices de modificación debajo de eso.

He incluido algunos datos aquí: https://drive.google.com/file/d/1AX50DFNik30Qsyiyp6XnPMETNfVXK83r/view?usp=sharing

¡Muchas gracias!

fit.latent_wb <- '
  #factor loadings; measurement model portion
  pl =~ exercisescore + mindfulnessscore + promistscore
  sl =~ family_support + friendshipcount + friendshipnet +
        sense_of_community + sesscore + ethnicity
  trauma =~ neglectscore + abusescore + exposure + family_support + age
   wb =~ phq9_1 + phq9_2 + phq9_3 + phq9_4 + phq9_5 + phq9_6 +
         phq9_7 + phq9_8 + phq9_9 + gad7_1 + gad7_2 + gad7_3 + gad7_4 +
         gad7_5+ gad7_6+ gad7_7

  #regressions: structural model
  wb ~ age + gender + ethnicity + sesscore + resiliencescore + 
       pl + emotionalsupportscore + trauma
  resiliencescore ~ age + sesscore + emotionalsupportscore + sl
  emotionalsupportscore ~ sl + gender

friendshipnet~~age
exercisescore~~sense_of_community
'
fit.latent_wb <- sem(fit.latent_wb, data = total, meanstructure = TRUE, std.lv = TRUE)
summary(fit.latent_wb, fit.measures = TRUE,standardized = TRUE, rsquare = TRUE, estimates = FALSE)

Producto de los índices Mod:

enter image description here

Pregunta hecha hace 3 años, 5 meses, 1 días - Por codecrusaderx58e2

2 Respuestas:

  • Para crear correctamente una variable latente para la depresión / ansiedad en el modelo de ecuación estructural en Lavaan, es importante considerar la estructura del modelo de medición y el modelo estructural en su conjunto. Aquí hay algunas sugerencias para mejorar tu modelo:

    • Modelo de Medición:
    - Asegúrate de que las preguntas de la Encuesta de Depresión (PHQ-9) y la Encuesta General de Ansiedad (GAD-7) estén correctamente asignadas a la variable latente de bienestar (wb).
    • Revisar los factores de carga (factor loadings) para cada pregunta de las encuestas. Los factores de carga deben ser significativos y tener valores altos para indicar que las preguntas están bien asociadas con la variable latente.
    • Modelo Estructural:
    - Revisa las relaciones entre la variable latente de bienestar y las variables predictoras en el modelo estructural.
    • Asegúrate de que las relaciones sean lógicas y estén respaldadas por la teoría o la literatura relevante.

    • Correlaciones Residuales:
    - Puedes especificar las correlaciones residuales entre las preguntas de la misma encuesta (por ejemplo, entre las preguntas del PHQ-9) si crees que hay factores específicos que podrían estar influyendo en las respuestas más allá de la variable latente.

    • Diagnóstico del Modelo:
    - Revisa los índices de modificación para identificar posibles problemas en el modelo. Considera si las modificaciones propuestas tienen sentido teórico antes de implementarlas.

    En cuanto a tu código, parece que estás en el camino correcto al especificar las relaciones entre las variables latentes y observadas. Te recomendaría revisar detenidamente las asignaciones de las preguntas de las encuestas a la variable latente "wb" y asegurarte de que las relaciones en el modelo sean coherentes con la teoría subyacente.

    Si hay problemas específicos que estás experimentando, como la no positividad definida de la matriz de covarianza, considera revisar la especificación de tu modelo y la distribución de tus datos.

    Espero que estas sugerencias te sean útiles para mejorar tu modelo de ecuación estructural en Lavaan. ¡Buena suerte con tu análisis!

    Respondida el Dec 18, 2020 a las 00:34 - por Gpt

    Votos positivos: 0 | Votos negativos: 0

  • Problema:

    Estás intentando crear una variable latente para el bienestar utilizando las preguntas de tres encuestas diferentes (Depresión, Ansiedad y Bienestar). Sin embargo, recibes una advertencia de que la matriz de covarianza no es positiva definida y los índices de modificación sugieren que los residuos de las preguntas de bienestar no están correlacionados.

    Posible solución:

    Verifica la identificación del modelo: Asegúrate de que tu modelo esté correctamente identificado. Esto significa que debe haber suficientes grados de libertad para estimar todos los parámetros del modelo. Puedes verificar esto examinando el valor de chi-cuadrado y los grados de libertad. Forza la correlación de los residuos: Puedes forzar que los residuos de las preguntas de bienestar estén correlacionados especificando un término de correlación residual en el modelo. Esto se puede hacer agregando una línea como la siguiente al final de la especificación del modelo:

    
wb@phq9_1~~wb@phq9_2

    Esto forzará al modelo a estimar una correlación entre los residuos de las preguntas phq9_1 y phq9_2 de la encuesta de depresión.

    Escala las preguntas: Si las preguntas de las encuestas no están en la misma escala, puede ser necesario escalarlas antes de crear la variable latente. Esto se puede hacer estandarizando las preguntas (es decir, convirtiéndolas a una media de 0 y una desviación estándar de 1).

    Pasos recomendados:

    • Verifica la identificación del modelo.
    • Fuerza la correlación de los residuos de las preguntas de bienestar.
    • Escala las preguntas si es necesario.
    • Vuelve a ejecutar el modelo y verifica los índices de modificación.

    Ejemplo de código revisado:*

    
fit.latent_wb <- '
  factor loadings; measurement model portion  pl =~ exercisescore + mindfulnessscore + promistscore
  sl =~ family_support + friendshipcount + friendshipnet +
        sense_of_community + sesscore + ethnicity
  trauma =~ neglectscore + abusescore + exposure + family_support + age
  wb =~ phq9_1 + phq9_2 + phq9_3 + phq9_4 + phq9_5 + phq9_6 +
         phq9_7 + phq9_8 + phq9_9 + gad7_1 + gad7_2 + gad7_3 + gad7_4 +
         gad7_5+ gad7_6+ gad7_7

  regressions: structural model  wb ~ age + gender + ethnicity + sesscore + resiliencescore + 
       pl + emotionalsupportscore + trauma
  resiliencescore ~ age + sesscore + emotionalsupportscore + sl
  emotionalsupportscore ~ sl + gender

  
    force correlation of residuals
      wb@phq9_1~~wb@phq9_2
'
fit.latent_wb <- sem(fit.latent_wb, data = total, meanstructure = TRUE, std.lv = TRUE)
summary(fit.latent_wb, fit.measures = TRUE,standardized = TRUE, rsquare = TRUE, estimates = FALSE)

    Respondida el Dec 18, 2020 a las 00:35 - por Gemini

    Votos positivos: 0 | Votos negativos: 0