楼主: enmeng1217
2634 15

[问答] lapply函数定义次序变量出错，请教高手 [推广有奖]

11楼
yywan0913 在职认证  发表于 2018-1-19 13:58:35
enmeng1217 发表于 2018-1-19 12:08
就是数据是次序类的，不是数量型的，可比较大小，不可加减乘除等运算，社会调查中这类数据很多，比如满意 ...
  1. > t=read.table('xx.xls',header=T,sep="\t")
  2. > a=head(t,n=10)
  3. > a
  4.      x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15
  5. 1  12.9  1  0  2  1  4  4  3  2   2   1   2   2   1   3
  6. 2  12.7  1  0  1  1  5  7  6  1   2   1   3   2   1   4
  7. 3  12.7  1  0  1  2  8  8  8  2   2   2   2   2   0   4
  8. 4  12.7  2  1  2  4  1  1  1  2   2   2   2   2   0   4
  9. 5  13.1  1  0  1  1  2  6  8  1   1   1   1   2   1   1
  10. 6  12.7  1  1 NA  1  2  8  8  3   2   1   1   2   1   4
  11. 7  12.7  1  1  2  2  4  6  7  1   3   1   3   3   0   4
  12. 8  12.9  1  0  1  2  8  8  8  2   2   2   2   2   0   3
  13. 9  12.7  3  1  3  2  4  5  5  1   3   2   3   1   1   4
  14. 10 12.9  2  0  3  1  9  8  8  1   1   4   2   3   0   3
  15. > a[,2:15]=lapply(2:15,function(x)ordered(a[,x]))
  16. > a[,2]
  17. [1] 1 1 1 2 1 1 1 1 3 2
  18. Levels: 1 < 2 < 3
复制代码
12楼
yywan0913 在职认证  发表于 2018-1-19 13:58:43
enmeng1217 发表于 2018-1-19 12:08
就是数据是次序类的，不是数量型的，可比较大小，不可加减乘除等运算，社会调查中这类数据很多，比如满意 ...
  1. > t=read.table('xx.xls',header=T,sep="\t")
  2. > a=head(t,n=10)
  3. > a
  4.      x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15
  5. 1  12.9  1  0  2  1  4  4  3  2   2   1   2   2   1   3
  6. 2  12.7  1  0  1  1  5  7  6  1   2   1   3   2   1   4
  7. 3  12.7  1  0  1  2  8  8  8  2   2   2   2   2   0   4
  8. 4  12.7  2  1  2  4  1  1  1  2   2   2   2   2   0   4
  9. 5  13.1  1  0  1  1  2  6  8  1   1   1   1   2   1   1
  10. 6  12.7  1  1 NA  1  2  8  8  3   2   1   1   2   1   4
  11. 7  12.7  1  1  2  2  4  6  7  1   3   1   3   3   0   4
  12. 8  12.9  1  0  1  2  8  8  8  2   2   2   2   2   0   3
  13. 9  12.7  3  1  3  2  4  5  5  1   3   2   3   1   1   4
  14. 10 12.9  2  0  3  1  9  8  8  1   1   4   2   3   0   3
  15. > a[,2:15]=lapply(2:15,function(x)ordered(a[,x]))
  16. > a[,2]
  17. [1] 1 1 1 2 1 1 1 1 3 2
  18. Levels: 1 < 2 < 3
复制代码
13楼
enmeng1217 发表于 2018-1-19 15:02:17
yywan0913 发表于 2018-1-19 13:58
首先感谢你的解答！
按照你的程序，数据处理好像没问题，当用这些数据时（我想用lavaan包做结构方程模型）会提示以下信息
> a1[,2:15]<-lapply(2:15,function(x)ordered(a1[,x]))
> library(lavaan)
> au.model<-
+ '
+ expr1=~rex+patent+sinov
+ lc=~gwage+welfare+train+security            
+ expr1~lc+cfin+intype+inculture
+ lc~mw+rmw+informal
+ '
> fit<-sem(au.model,data=a1,estimator="PML")
Error in X[[g]][, idx2] : 下标出界
此外: Warning message:
In lav_data_full(data = data, group = group, cluster = cluster,  :
  lavaan WARNING: exogenous variable(s) declared as ordered in data: cfin intype inculture rmw informal
> summary(fit,fit.measures=TRUE)
Error in summary(fit, fit.measures = TRUE) : 找不到对象'fit'

又是提示下标出界！后面的程序好像无法进行，还请多指教，谢谢了！
14楼
yywan0913 在职认证  发表于 2018-1-19 16:16:42
enmeng1217 发表于 2018-1-19 15:02
首先感谢你的解答！
按照你的程序，数据处理好像没问题，当用这些数据时（我想用lavaan包做结构方程模型 ...
  1. library(lavaan)
  2. a1=read.table('xx.xls',sep="\t",header=T)
  3. a1[,2:15]<-lapply(2:15,function(x)ordered(a1[,x]))
  4. au.model<-
  5. '
  6. expr1=~rex+patent+sinov
  7. lc=~gwage+welfare+train+security            
  8. expr1~lc+cfin+intype+inculture
  9. lc~mw+rmw+informal
  10. '
  11. fit<-sem(au.model,data=a1)
复制代码
将你的数据表头换成你写的那些后，并没报错。
15楼
enmeng1217 发表于 2018-1-19 18:51:15
yywan0913 发表于 2018-1-19 16:16
将你的数据表头换成你写的那些后，并没报错。
能不能麻烦你帮我看看summary(fit,fit.measures=TRUE)
有结果输出吗，我这不知道哪里出了问题，一直有上面提到的错误提示，谢谢！
16楼
yywan0913 在职认证  发表于 2018-1-20 10:50:02
enmeng1217 发表于 2018-1-19 18:51
能不能麻烦你帮我看看summary(fit,fit.measures=TRUE)
有结果输出吗，我这不知道哪里出了问题，一直有上 ...
  1.                                                   Used       Total
  2.   Number of observations                           699         771

  4.   Estimator                                       DWLS      Robust
  5.   Minimum Function Test Statistic              379.279     376.280
  6.   Degrees of freedom                                49          49
  7.   P-value (Chi-square)                           0.000       0.000
  8.   Scaling correction factor                                  1.020
  9.   Shift parameter                                            4.419
  10.     for simple second-order correction (Mplus variant)

  12. Model test baseline model:

  14.   Minimum Function Test Statistic              708.972     633.437
  15.   Degrees of freedom                                63          63
  16.   P-value                                        0.000       0.000

  18. User model versus baseline model:

  20.   Comparative Fit Index (CFI)                    0.489       0.426
  21.   Tucker-Lewis Index (TLI)                       0.343       0.262

  23.   Robust Comparative Fit Index (CFI)                            NA
  24.   Robust Tucker-Lewis Index (TLI)                               NA

  26. Root Mean Square Error of Approximation:

  28.   RMSEA                                          0.098       0.098
  29.   90 Percent Confidence Interval          0.089  0.108       0.089  0.107
  30.   P-value RMSEA <= 0.05                          0.000       0.000

  32.   Robust RMSEA                                                  NA
  33.   90 Percent Confidence Interval                                NA     NA

  35. Standardized Root Mean Square Residual:

  37.   SRMR                                           0.056       0.056

  39. Weighted Root Mean Square Residual:

  41.   WRMR                                           2.053       2.053

  43. Parameter Estimates:

  45.   Information                                 Expected
  46.   Standard Errors                           Robust.sem

  48. Latent Variables:
  49.                    Estimate  Std.Err  z-value  P(>|z|)
  50.   expr1 =~                                            
  51.     rex               1.000                           
  52.     patent          -30.525   12.687   -2.406    0.016
  53.     sinov           -36.812   14.520   -2.535    0.011
  54.   lc =~                                               
  55.     gwage             1.000                           
  56.     welfare           0.363    0.082    4.433    0.000
  57.     train             0.333    0.070    4.722    0.000
  58.     security         -0.002    0.058   -0.042    0.967

  60. Regressions:
  61.                    Estimate  Std.Err  z-value  P(>|z|)
  62.   expr1 ~                                             
  63.     lc               -0.017    0.007   -2.294    0.022
  64.     cfin             -0.003    0.001   -2.271    0.023
  65.     intype            0.000    0.001    0.232    0.817
  66.     inculture        -0.003    0.002   -1.547    0.122
  67.   lc ~                                                
  68.     mw                0.200    0.049    4.059    0.000
  69.     rmw               0.066    0.062    1.059    0.290
  70.     informal         -0.092    0.064   -1.451    0.147

  72. Intercepts:
  73.                    Estimate  Std.Err  z-value  P(>|z|)
  74.    .rex              12.838    0.037  344.424    0.000
  75.    .patent            0.000                           
  76.    .sinov             0.000                           
  77.    .gwage             0.000                           
  78.    .welfare           0.000                           
  79.    .train             0.000                           
  80.    .security          0.000                           
  81.    .expr1             0.000                           
  82.    .lc                0.000                           

  84. Thresholds:
  85.                    Estimate  Std.Err  z-value  P(>|z|)
  86.     patent|t1         2.002    0.393    5.094    0.000
  87.     patent|t2         2.777    0.398    6.971    0.000
  88.     sinov|t1          1.328    0.336    3.957    0.000
  89.     gwage|t1          1.113    0.295    3.772    0.000
  90.     gwage|t2          1.986    0.301    6.610    0.000
  91.     gwage|t3          2.926    0.317    9.223    0.000
  92.     welfare|t1        0.569    0.286    1.988    0.047
  93.     welfare|t2        2.051    0.291    7.058    0.000
  94.     welfare|t3        2.650    0.291    9.122    0.000
  95.     train|t1          0.123    0.251    0.491    0.623
  96.     train|t2          0.546    0.248    2.201    0.028
  97.     train|t3          0.815    0.246    3.310    0.001
  98.     train|t4          1.261    0.247    5.100    0.000
  99.     train|t5          1.872    0.252    7.434    0.000
  100.     train|t6          2.396    0.253    9.460    0.000
  101.     train|t7          2.952    0.259   11.406    0.000
  102.     train|t8          3.582    0.266   13.445    0.000
  103.     security|t1      -0.784    0.267   -2.940    0.003
  104.     security|t2      -0.541    0.263   -2.053    0.040
  105.     security|t3      -0.063    0.258   -0.245    0.806
  106.     security|t4       0.357    0.253    1.409    0.159
  107.     security|t5       0.907    0.254    3.575    0.000
  108.     security|t6       1.435    0.254    5.648    0.000
  109.     security|t7       2.121    0.255    8.303    0.000
  110.     security|t8       2.935    0.257   11.439    0.000

  112. Variances:
  113.                    Estimate  Std.Err  z-value  P(>|z|)
  114.    .rex               0.023    0.001   18.020    0.000
  115.    .patent            0.705                           
  116.    .sinov             0.571                           
  117.    .gwage             0.354                           
  118.    .welfare           0.915                           
  119.    .train             0.928                           
  120.    .security          1.000                           
  121.    .expr1             0.000    0.000    1.154    0.249
  122.    .lc                0.646    0.127    5.069    0.000

  124. Scales y*:
  125.                    Estimate  Std.Err  z-value  P(>|z|)
  126.     patent            1.000                           
  127.     sinov             1.000                           
  128.     gwage             1.000                           
  129.     welfare           1.000                           
  130.     train             1.000                           
  131.     security          1.000
复制代码
你可以把你的真实文件给我 我给你试试？
返回列表
12
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-30 17:12