R은 GPU를 쓰지 않고 CPU를 사용하기 때문에 컴퓨터의 사양이 영향을 받을 뿐만 아니라 CPU가 많아도 하나만 사용한다. 그래서, 아무리 좋은 PC를 사도 성능의 효과가 높아지지 않는 경우가 많다. 그러나, 일반적인 분석에서는 사실 그리 성능이 좋은게 필요하지 않지만, 시뮬레이션이나 기타 부트스트랩을 하게 되면 필요해진다. 이번에는 일반적으로 사용하는 R에서의 병렬화하여 사용하는 방법을 소개한다.  아래 패키지는 없다면 설치해야 한다. library(parallel)library(foreach)library(doParallel)먼저 사용할 CPU코어를 설정한다.  detectCores를 설정한 후에 -1을 하는 것은 모든 CPU를 사용하지 않고 한개를 남겨두기 위함이다. # 사용할 코어 수 설정num..

패턴분석 함수 패턴을 분석하기 위해서 사용하는 함수는 아래처럼 간단히 구성할 수 있다. 이는 lavaan에서 범주형 변수를 분석하는 함수를 사용하여 간단하게 구성했다. latentPattern= function(data, n=2, dim=0L, top=20){res = as.data.frame( lapply(data, cut, n, labels=FALSE) )%>% lavaan::lavTables(dim=dim, categorical = names(data)) res%>%top_n(res$obs.freq, n= top)} 먼저 데이터를 2개로 구분해보자. HS9 다음의 구조처럼 만들 수 있다.  HSbinary %>%head() x1 x2 x3 x4 x5 x6 x7 x8 x91 1 2 ..

https://blog.naver.com/shoutjoy/223491449601구조방정식 Mplus와 lavaan의 분석 비교  구조방정식 경로분석 - Mplus와 lavaan의 비교분석결과 , 박중희구조방정식 경로분석 - Mplus와 lavaan의 비교 박중희 (여대 인지공학연구실 PhD) 이번 분석은 Mplus와...blog.naver.com 1. Mplus를 이용한 경로분석 모형 - Mplus에서 편하게 사용하는 ind, VIA2. lavaan이용한 분석 -자동화된 jjstat함수를 패키지를 이용

구조방정식 lavaan을 이용한 분석:확인적 요인 분석(CFA) 절차 구조방정식에서 확인적 요인 분석 절차를 알아보자. 구조방정식 확인적 요인분석 절차는 다음과 같다. (1) 모델의 적합도 분석 --여러가지 지표를 이용하여 검증한다. 무엇보다 카이제곱 분석을 통하여 p >0.05보다 유의하지 않게 되면 아주 좋지만(구조방정식 모형적합도는 비유의도 검사임), 그렇지 못한 경우 다른 지표를 검증해본다. 두번째는 (2) 지표타당도를 검증한다. 각 지표는 통계적 유의성을 갖추어야 하며 표준화 계수가 0.7이상이 되어야 한다. 세번째는(3) 내적 일관성 신뢰도를 검증한다. 크론바흐 알파는 검증할 필요는 없지만 습관적으로 보게 된다. 그러나 그것보다는 복합신뢰도(CR)을 검증해야 한다. 값이 0.7이상이면된다.  ..

MplusAutomation을 이용한 구조방정식 분석 using R Mplus자체는 매우 편리하지만, 이것을 R에서 사용할 때 데이터의 처리나 관리하는 것은 더 편리하게 된다. 이런 관점에서 MplusAutomation을 사용하는 방법을 익히는 것은 매우 편리하다. 필자의 경우도 유튜브등을 통해서 그리고 문서를  통해서 사용방법을 배우고 나니 좀 더 편리하였다. 특히, 데이터를 처리할 때,  Mplus에 맞는 dat파일로 만들어서 관리하는 것은 상당히 불편한데, 이러한 데이터를 import할 때 R에서의 편리함이 매우 유용했다. library(MplusAutomation)library(tidySEM)library(lavaan)데이터df %colnames()# [1] "id" "sex" "a..

박중희 박사의 plspm(pls구조방정식)분석 2 - 확인적 요인분석 절차에 따른 내용확인하기  이번에는 분석된 내용에 대해 상세하게 살펴보는 시간을 갖도록 해보자. plspm 분석library(jjstat)library(plspm)data(satisfaction)sat_path = plspm_paths( row_names = c("IMAG","EXPE","QUAL","VAL","SAT","LOY"), relationship = list( path(from="IMAG", to=c("EXPE","SAT","LOY")), path("EXPE", c("QUAL","VAL","SAT")), path("QUAL", c("VAL","SAT")), path("VAL",c("SAT")), ..

jjstat를 이용한 pls 구조방정식 분석 plspm의 구조방정식은 사용의 편리성등으로 많이 알려져있으나, 몇가지 불편사항이 있다. 따라서 이를 해결하고 보완한 jjstat R패키지를 만들어서 이를 보완하였다. library(jjstat)#datadata(satisfaction)satisfaction%>%str()'data.frame': 250 obs. of 28 variables: $ imag1 : int 8 9 9 8 10 7 5 9 9 10 ... $ imag2 : int 8 9 8 9 10 8 5 9 8 10 ... $ imag3 : int 9 10 8 8 8 8 5 9 9 10 ... $ imag4 : int 5 9 8 9 10 8 5 9 8 10 ... $ imag5 : int ..

assess(b2) ________________________________________________________________________________ Construct AVE R2 R2_adj SAT 0.6851 0.7624 0.7585 LOY 0.5552 0.5868 0.5834 EXPE NA 0.2222 0.2190 QUAL NA 0.6963 0.6951 VAL NA 0.5474 0.5438 -------------- Common (internal consistency) reliability estimates ------------- Construct Cronbachs_alpha Joereskogs_rho Dijkstra-Henselers_rho_A SAT 0.8940 0.8960 0...