Latente Klassenanalyse

Varianzanalyse, Diskriminanzanalyse, Kontingenzanalyse, Faktorenanalyse, Clusteranalyse, MDS, ....

Moderator: EDi

Antworten
Suchehilfe234
Beiträge: 4
Registriert: Do Feb 08, 2018 8:43 pm

Latente Klassenanalyse

Beitrag von Suchehilfe234 » Do Feb 08, 2018 8:49 pm

Heyhey :)

Ich versuche mich gerade an einer Latenten Klassenanalyse um einen Fragebogen zu bewerten. Dabei bekomme ich allerdings immer Fehlermeldungen.
Ich habe es mit mclust so probiert:

idd_ss <- subset(von meinem Fragebogen)
iddBIC <- mclustBIC(idd_ss)
cl <-mclustBIC(idd_ss, iddBIC)

und dann kommt das: "Error in mvnXII(data = data, prior = prior) : NA/NaN/Inf in foreign function call (arg 1)"
wisst ihr was falsch ist?


identisch dazu habe ich es vorher mit poLCA versucht und komme bei der Variablendefinition nicht auf die richtige Lösung:
poLCA(FORMULA, DATA, nclass=2, maxiter=1000, graphs=FALSE, tol=1e-10, na.rm=TRUE, probs.start=NULL, data = mobbing)

=> wie muss ich die Formula dort definitiern und ist data der ort wo meine daten liegen?


Danke für jede Hilfe!

Benutzeravatar
EDi
Beiträge: 550
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Latente Klassenanalyse

Beitrag von EDi » Do Feb 08, 2018 9:07 pm

Code: Alles auswählen

cl <-mclustBIC(idd_ss, iddBIC)
Was soll diese Zeile machen?
Das zweite Argument zu mclustBIC ist 'G' ('An integer vector specifying the numbers of'), du übergibt aber das vorherige Ergebnis (=ein Objekt der Klasse mclustBIC und vermutlich kein vector).
=> wie muss ich die Formula dort definitiern und ist data der ort wo meine daten liegen?
Die Hilfe sollte dir das beantworten :
formula
A formula expression of the form response ~ predictors. The details of model specification are given below.

data
A data frame containing variables in formula. Manifest variables must contain only integer values, and must be coded with consecutive values from 1 to the maximum number of outcomes for each variable. All missing values should be entered as NA.
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
Bild.

Benutzeravatar
student
Beiträge: 194
Registriert: Fr Okt 07, 2016 9:52 am

Re: Latente Klassenanalyse

Beitrag von student » Fr Feb 09, 2018 9:56 am

Untersuche Deinen Datensatz auch auf NA's! Ich denke, die Meldung "NA/NaN/Inf" weißt daraufhin...
Viele Grüße,
Student
-----------------------------------------------------------------------------------------------------------------------
faes.de, r-statistik.de und das Ad-Oculos-Projekt

Habe Mut, dich deines eigenen Verstandes zu bedienen! (Kant)

Suchehilfe234
Beiträge: 4
Registriert: Do Feb 08, 2018 8:43 pm

Re: Latente Klassenanalyse

Beitrag von Suchehilfe234 » Sa Feb 10, 2018 6:53 pm

Vielen Dank! Ihr seid super!

Ich hab es nun hinbekommen und durch Modellvergleiche 3 latente Klassen herausgefunden. Nun bekomme ich auch einen Graph mit den allgemeinen Ausprägungen der einzelnen Items auf den einzelnen Klassen.
Wisst ihr den R Befehl um mir die Mittelwerte der Items pro Klasse ausgeben zu lassen? Und wie ich diese graphisch darstellen kann?

Meine momentane Syntax lautet:

idd_ss <- subset(mobbing, select = na.omit(NAQ1:NAQ22, use = "complete"))
f <- as.matrix(idd_ss) ~ 1
poLCA(f, mobbing, nclass=2, maxiter=1000, graphs=TRUE, tol=1e-10, na.rm=TRUE, probs.start=NULL)

Benutzeravatar
EDi
Beiträge: 550
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Latente Klassenanalyse

Beitrag von EDi » So Feb 11, 2018 4:41 pm

Code: Alles auswählen

poLCA(f, mobbing, nclass=2, maxiter=1000, graphs=TRUE, tol=1e-10, na.rm=TRUE, probs.start=NULL)
Ich vermute, dass "mobbing" hier nicht hinsollte (sondern das subset). Macht aber vermutlich kein Problem hier, da keine kovariate drin ist.
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
Bild.

Antworten

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast