R语言 stremo包 boot.lavaan()函数中文帮助文档(中英文对照)

loveR

boot.lavaan(stremo)
boot.lavaan()所属R语言包：stremo

                                         Nonparametrical bootstrapping of a SEM model fit by <a href="../../lavaan/html/lavaan.html">lavaan</a>.
                                         Nonparametrical，支持度一个SEM模型拟合的<a href="../../lavaan/html/lavaan.html"> lavaan </ A>。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function does very crude nonparametrical bootstrapping of a fitted sem model using lavaan.
这个功能确实很的原油nonparametrical自举SEM模型的拟合使用lavaan。


用法----------Usage----------


boot.lavaan(fitted.model, n)



参数----------Arguments----------

参数：fitted.model
A model fitted by sem or cfa.
的模型拟合sem或cfa。


参数：n
Number of replications.
复制数量。


Details

详细信息----------Details----------

Steps:
步骤：

1. Fit a model normally using the arguments 'sample.cov' and 'sample.nobs' instead of 'data';
1。拟合模型通常使用的参数sample.cov“和”sample.nobs，而不是数据;

2. Get the sigma hat from the fitted model and build an empirical dataset with 'sample.nobs' observations;
2。获取SIGMA帽子拟合模型和建设的经验与sample.nobs的观测数据集;

3. Get 'sample.nobs' observations from this new dataset with replacement;
3。 “sample.nobs的观察，从这个新的数据集，更换;

4. Fit a new model using the sample taken from the simulated dataset;
4。安装一个新的模型使用模拟数据集中抽取的样品;

5. Repeat 3 and 4 'n' times.
5。重复3和4N次。


值----------Value----------

<table summary="R valueblock"> <tr valign="top"><td>X2</td> <td> Bootstrapped maximum likelihood chi-squared</td></tr> <tr valign="top"><td>p.X2</td> <td> P value of the bootstrapped maximum likelihood chi-squared</td></tr> <tr valign="top"><td>est</td> <td> Estimated coefficients</td></tr> <tr valign="top"><td>se</td> <td> Bootstrapped standard errors</td></tr> <tr valign="top"><td>z</td> <td> Bootstrapped z values</td></tr> <tr valign="top"><td>p.est</td> <td> P values of the bootstrapped coefficients</td></tr> <tr valign="top"><td>coefs</td> <td> Matrix with the values of all coefficients in all runs</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> X2</ TD> <TD>自举最大似然卡方</ TD> </ TR> <TR VALIGN = “顶”> <TD> p.X2 </ TD> <TD> P值的自举最大似然卡方</ TD> </ TR> <tr valign="top"> <TD> X> </ TD> <TD>估计系数</ TD> </ TR> <tr valign="top"> <TD> est</ TD> <TD>自举标准误差</ TD> </ TR> <tr valign="top"> <TD> se </ TD> <TD>自举z值</ TD> </ TR> <tr valign="top"> <TD> z </ TD> <TD>的自举系数P值</ TD> </ TR> <tr valign="top"> <TD>p.est </ TD> <TD>矩阵所有的系数在所有运行的值</ TD> </ TR> </表>


实例----------Examples----------


## Not run: [＃不运行：]
data(albert)
fit <- sem(albert.model, sample.cov = albert.litho.cov, sample.nobs
           = 107)
booted.fit <- boot.lavaan(fit, 1000)

## End(Not run)[＃（不执行）]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。