R语言 SEMModComp包 NormalTheoryLRTest()函数中文帮助文档(中英文对照)

loveR

NormalTheoryLRTest(SEMModComp)
NormalTheoryLRTest()所属R语言包：SEMModComp

                                        Conduct Normal Theory Likelihood Ratio Test for Mean and Covariance Structure Models
                                         进行正常的理论均值和方差结构模型的似然比检验

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

NormalTheoryLRTest performs the normal theory likelihood ratio test  for comparing distinguishable mean and covariance structure models. See Equations 19, 7, and 10 of Levy, R., & Hancock, G. R. (2007). A framework of statistical tests  for comparing mean and covariance structure models. Multivariate Behavioral Research, 42, 33-36.
NormalTheoryLRTest进行正常的理论进行比较区分的均值和方差结构模型的似然比检验。的方程19日，7日，和征费，R.，＆汉考克，GR（2007）10。统计检验比较均值和方差结构模型的框架。多元行为研究，42，33-36。


用法----------Usage----------


NormalTheoryLRTest(x, model.1.mean.vector, model.1.cov.matrix,
                   model.2.mean.vector, model.2.cov.matrix)



参数----------Arguments----------

参数：x
The raw data arranged with subjects as rows and measured variables as columns.
安排的主题行和测量变量列的原始数据。


参数：model.1.mean.vector
The model-implied mean vector from model 1.  If no value is supplied, will employ the mean vector from the sample.
该模型隐含的平均向量模型1。如果未提供任何值，将采用从样本的平均向量。


参数：model.1.cov.matrix
The model-implied covariance matrix from model 1.  If no value is supplied, will employ the covariance matrix from the sample.
该模型隐含的协方差矩阵模型1。如果未提供任何值，将采用从样本协方差矩阵。


参数：model.2.mean.vector
The model-implied mean vector from model 2.  If no value is supplied, will employ the mean vector from the sample.
该模型隐含的平均矢量模型2。如果未提供任何值，将采用从样本的平均向量。


参数：model.2.cov.matrix
The model-implied covariance matrix from model 2.  If no value is supplied, will employ the covariance matrix from the sample.
该模型隐含的协方差矩阵模型2。如果未提供任何值，将采用从样本协方差矩阵。


Details

详细信息----------Details----------

The test is used to test for difference in fit between two models that are  (a) partially overlapping and distinguishable with unique best fitting probability distributions (BFPDs), or (b) completely nonoverlapping (and therefore distinguishable with unique BFPDs).  See Levy, R., & Hancock, G. R. (2007). A framework of statistical tests for comparing mean and covariance structure models. Multivariate Behavioral Research, 42, 33-36;
该测试用于测试提供适合两个模型之间的是（a）部分地重叠和独特的最佳拟合概率的分布（BFPDs），或（b）完全不重叠的（及因此具有独特BFPDs区分）区分差异。征费，R.，＆汉考克，R.（2007）。统计检验比较均值和方差结构模型的框架。多元行为研究，42，33-36;

especially equations 19, 7, and 10.   The function will perform listwise deletion in order to analyze a data set with no missing data. If the mean vector(s) and/or covariance matrix(ces) are not supplied for the models, the program will employ the estimates from the sample.
尤其是方程19 7，和10。该函数将执行列表删除，以分析数据没有丢失的数据。如果平均向量（S）和/或协方差矩阵（CES）上不提供的模式，该计划将采用的估计，从样品。


值----------Value----------

a list containing:
一个列表，其中包含：

<table summary="R valueblock"> <tr valign="top"><td>N </td> <td> Total number of subjects in the data set </td></tr> <tr valign="top"><td>N.complete.data </td> <td> Number of subjects with complete data used in the analysis </td></tr> <tr valign="top"><td>LR </td> <td> The value of the likelihood ratio statistic </td></tr> <tr valign="top"><td>Omega.hat </td> <td> The estimated standard deviation involved in the T statistic </td></tr> <tr valign="top"><td>T </td> <td> The test statistic.  Under the null hypothesis of no difference in fit, T is asymptotically ~ N(O,1) </td></tr> <tr valign="top"><td>p </td> <td> The 2-tailed p-value for the observed test statistic T </td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> N </ TD> <TD>总数的主题数据集</ TD> </ TR> <TR VALIGN =“”> <TD>N.complete.data  </ TD> <TD>完整的数据分析中使用的科目</ TD> </ TR> <tr valign="top"> <TD> LR </ TD> <TD>的似然比统计值</ TD> </ TR> <tr valign="top"> <TD>Omega.hat </ TD> <TD>参与T统计估计的标准差</ TD> </ TR> <tr valign="top"> <TD>T  </ TD> <TD>检验统计量。适合无差异的零假设下，T是渐近~N（O，1）</ TD> </ TR> <tr valign="top"> <TD>p  </ TD> <TD >双尾p-值所观察到的检验统计量T </ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Roy Levy <a href="mailto:Roy.Levy@asu.edu">Roy.Levy@asu.edu</a>



参考文献----------References----------

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。