绘制 sem 模型中的交互效应与 R 中的观察变量答案

【问题标题】：Plot interaction effect in sem model with observed variables in R绘制 sem 模型中的交互效应与 R 中的观察变量
【发布时间】：2022-09-27 18:11:59
【问题描述】：

我正在估计一个观察到变量的 SEM 模型。我正在使用 SEM 使用 FIML 处理丢失的数据。我的模型有一个交互项来测试适度。这是一个说明问题的玩具示例。

library(lavaan)
library(car)
library(tidyverse)

data(starwars)

sw2 <- starwars %>% mutate(
  male = Recode(sex, \"\'male\' = 1; NA=NA; else = 0\"),
  human = Recode(species, \"\'Human\' = 1; NA=NA; else = 0\"),
  maleXby = male * birth_year,
)

mod <- \'mass ~ height + human + male + birth_year + maleXby\'
fit <- sem(mod, data = sw2, missing=\"fiml.x\")
summary(fit)

我想要做的是像边缘图一样绘制交互项，以可视化交互效果。但是像 library(interactions) 这样的包不适用于 sem 模型。我怎么能想象这个？有没有一个包（比如\'interactions\'）可以让这更容易。

标签： r r-lavaan

【解决方案1】：

您可以使用lm() 拟合此模型，但我认为您希望能够使用 FIML 估计，是吗？在这种情况下，您可以使用emmeans 包，如果您加载了semTools 包，它可以处理lavaan-class 对象。

您没有说哪个预测变量是焦点与主持人，但我假设您想将 male 视为主持人，因为它是一个分组变量。下面的例子可以通过在pairs()函数中切换他们的角色，以及选择不同的birth_year级别at=来探测male的效果。当birth_year是焦点预测器时，无论选择哪个级别，它的线性效果都是一样的，所以我选择了下面的完整range()。

library(emmeans)
library(semTools)

## for ease of use, fit model using colon operator
mod <- 'mass ~ height + human + male + birth_year + male:birth_year'
fit <- sem(mod, data = sw2, missing = "fiml.x")

## calculate expected marginal means for multiple 
## levels of male (1:0) and birth_year
BYrange <- range(sw2$birth_year, na.rm = TRUE)
em.mass <- emmeans(fit, specs = ~ birth_year | male, 
                   at = list(male = 1:0, birth_year = BYrange),
                   # because SEMs can have multiple DVs:
                   lavaan.DV = "mass")
em.mass
## probe effect of year across sex
rbind(pairs(em.mass))
## plot effect of year across sex
emmip(em.mass, male ~ birth_year)   # 2 lines in same plot
emmip(em.mass, ~ birth_year | male) # in separate panels

【讨论】：