Hallo,
ich möchte ein Pfadmodell berechnen, bekomme aber immer folgende Meldung:
Warning messages:
1: In lav_data_full(data = data, group = group, cluster = cluster, :
lavaan WARNING: some observed variances are (at least) a factor 1000 times larger than others; use varTable(fit) to investigate
2: In lav_model_vcov(lavmodel = lavmodel2, lavsamplestats = lavsamplestats, :
lavaan WARNING:
The variance-covariance matrix of the estimated parameters (vcov)
does not appear to be positive definite! The smallest eigenvalue
(= -1.277640e+01) is smaller than zero. This may be a symptom that
the model is not identified.
Ich habe den Befehl "varTable(fit)" ausgeführt und eine hohe Varianz in der Variable Alter (PA29 Bereich 18-91) und Spende (S-gesamt, im Bereich von 0-100) festgestellt. Da es sich aber hier um die Originaldaten handelt, weiß ich nicht, wie die Varianz "kleinerkriegen" soll.
name idx nobs type exo user mean var nlev lnam
1 S_gesamt 31 517 numeric 0 0 28.167 680.965 0
2 Schutz_Gesamt 28 517 numeric 0 0 4.691 0.966 0
3 M_Severity 22 517 numeric 0 0 5.204 0.735 0
4 M_Vulnerability 23 517 numeric 0 0 3.672 0.680 0
5 M_ethical_emotions 24 517 numeric 0 0 4.537 1.507 0
6 M_Self_efficacy 25 517 numeric 0 0 4.469 1.076 0
7 M_response_efficacy 26 517 numeric 0 0 4.768 0.635 0
8 M_barrieren 27 517 numeric 0 0 2.645 1.125 0
9 E_GESAMT 21 517 numeric 0 0 3.465 0.458 0
10 Summe_Quiz 16 517 haven_labelled 0 0 NA NA 0
11 PA29 2 517 numeric 1 0 49.360 282.483 0
12 PA01 1 517 haven_labelled 1 0 NA NA 0
13 PA07 3 517 haven_labelled 1 0 NA NA 0
Bei der jetzigen Berechnung kommen zwar erste Werte raus, aber die wichtigen Modellgütekriterien RMSEA und CFI haben nur ein "NA" dort stehen.
Außerdem weiß ich nicht, wieso die Varianz auf einmal in den negativen Bereich abgerutscht ist.
Anbei sind die Befehle zur Berechnung der abhängigen Variablen
sem.MODELL05 <- '
S_gesamt ~ Schutz_Gesamt + M_Severity + M_Vulnerability + M_ethical_emotions + M_Self_efficacy + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
Schutz_Gesamt ~ M_Severity + M_Vulnerability + M_ethical_emotions + M_Self_efficacy + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
M_Severity ~ M_Vulnerability + M_ethical_emotions + M_Self_efficacy + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
M_Vulnerability ~ M_Severity + M_ethical_emotions + M_Self_efficacy + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
M_ethical_emotions ~ M_Vulnerability + M_Severity + M_Self_efficacy + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
M_Self_efficacy ~ M_Vulnerability + M_ethical_emotions + M_Severity + M_response_efficacy + M_barrieren + PA29 + PA01 + PA07
M_response_efficacy ~ M_Vulnerability + M_ethical_emotions + M_Self_efficacy + M_Severity + M_barrieren + PA29 + PA01 + PA07
M_barrieren ~ M_Vulnerability + M_ethical_emotions + M_Self_efficacy + M_response_efficacy + M_Severity + PA29 + PA01 + PA07
E_GESAMT ~ Summe_Quiz + PA29 + PA01 +PA07
Summe_Quiz~ E_GESAMT + PA29 + PA01 +PA07
'
Liebe Grüße
Warnung lavaanv(Varianz zu hoch) bei Pfadmodell Berechnung
Moderator: EDi
-
- Beiträge: 3
- Registriert: Do Sep 12, 2019 11:32 am
Re: Warnung lavaanv(Varianz zu hoch) bei Pfadmodell Berechnung
Du könntest die Variablen standardisieren...
Auch kann es sein, dass das Model zu komplex ist ( relativ zur Datenmenge von 500 beobachtungen).
Auch kann es sein, dass das Model zu komplex ist ( relativ zur Datenmenge von 500 beobachtungen).
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
-
- Beiträge: 3
- Registriert: Do Sep 12, 2019 11:32 am
Re: Warnung lavaanv(Varianz zu hoch) bei Pfadmodell Berechnung
Hallo,
danke für die Idee mit der Standardisierung. Diese habe ich nun durchgeführt und nun kommt die Fehlermeldung
" Error in lav_samplestats_icov(COV = cov[[g]], ridge = ridge, x.idx = x.idx[[g]], :
lavaan ERROR: sample covariance matrix is not positive-definite"
Wie könnte ich dies im nächsten Schritt lösen?
danke für die Idee mit der Standardisierung. Diese habe ich nun durchgeführt und nun kommt die Fehlermeldung
" Error in lav_samplestats_icov(COV = cov[[g]], ridge = ridge, x.idx = x.idx[[g]], :
lavaan ERROR: sample covariance matrix is not positive-definite"
Wie könnte ich dies im nächsten Schritt lösen?
-
- Beiträge: 3
- Registriert: Do Sep 12, 2019 11:32 am
Error in Lav_samplestats_icov
Hallo,
ich möchte mein SEM-Modell gerne mit R berechnen, bekomme aber die Fehlermeldung:
Die Daten sind bereits standardisiert und folgende Befehle eingegeben:
Über Hilfe würde ich mich freuen.
ich möchte mein SEM-Modell gerne mit R berechnen, bekomme aber die Fehlermeldung:
Code: Alles auswählen
"Error in lav_samplestats_icov(COV = cov[[g]], ridge = ridge, x.idx = x.idx[[g]], :
lavaan ERROR: sample covariance matrix is not positive-definite"
Code: Alles auswählen
###------------------------
### PATH MODEL
###------------------------
sem.MODELL23 <- '
ZMEAN_Spende_2 ~ ZMEAN_Schutzbereitschaft + ZMEAN_PMT_Barrieren + ZMEAN_PMT_response_efficacy + ZMEAN_PMT_self_efficacy + ZMEAN_PMT_ ethical_emotions + ZMEAN_PMT_Vulnerability + ZMEAN_PMT_Severity + ZMean_Einstellungen_gesamt + Summe_Quiz_richtig_falsch
ZMEAN_Schutzbereitschaft ~ ZMEAN_PMT_Barrieren + ZMEAN_PMT_response_efficacy + ZMEAN_PMT_self_efficacy + ZMEAN_PMT_ ethical_emotions + ZMEAN_PMT_Vulnerability + ZMEAN_PMT_Severity + ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMEAN_PMT_Barrieren ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMEAN_PMT_response_efficacy ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMEAN_PMT_self_efficacy ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMEAN_PMT_ ethical_emotions ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
MEAN_PMT_Vulnerability ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMEAN_PMT_Severity ~ ZMean_Einstellungen_gesamt + ZSumme_Quiz_richtig_falsch
ZMean_Einstellungen_gesamt ~ ZSumme_Quiz_richtig_falsch
'
# fit the model
fitsem <- sem(sem.MODELL23, data=SPSS_DATEI_umbenannte_variablen_gekuerzt_ohne_divers_13_09_gekuerzt_Standardisierte_Variablen, estimator="MLR", test = "bootstrap")
# display summary output
summary(fitsem.MODELL23, fit.measures=TRUE, standardized = TRUE, rsquare = TRUE)
Zuletzt geändert von jogo am Mo Sep 16, 2019 2:10 pm, insgesamt 1-mal geändert.
Grund: Formatierung verbessert. http://forum.r-statistik.de/viewtopic.php?f=20&t=29
Grund: Formatierung verbessert. http://forum.r-statistik.de/viewtopic.php?f=20&t=29
Re: Warnung lavaanv(Varianz zu hoch) bei Pfadmodell Berechnung
Variablen auf Kollinearität überprüfen?
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Re: Error in Lav_samplestats_icov
Thema zusammengeführt.
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.