Как вычислить скалярную инвариантность измерения в Pythons Semopy.multigroup () ⇐ Python

[Anonymous]

Я провожу CFA в объединенном наборе данных с 21-варильными элементами и «волной» в группе, которая назначает строки 15 различным волнам инвестиций (раз в две недели). Моя модель CFA над объединенными данными хорошо подходит, но я хочу проверить (продольную) инвариантность измерения на различных волнах. Я использую Python и Semopy, и у меня нет проблем, включая метрическую инвариантность (факторные загрузки установлены равны) из-за того, что это стандартный вариант в semopy.multigroup () -функция. Я уже пытался изменить Model_dict и найти опцию в Multigroup () -функция, но эти решения никуда не привели меня. Я ценю любую помощь < /p>
Вот фрагмент кода со случайно сгенерированными данными. < /P>
import pandas as pd
from scipy import stats
import semopy
from semopy.multigroup import multigroup

# Generate dataset
np.random.seed(42)
num_wave = 15
n_per_wave = 100
items = [
"F1A5_2", "F1A10_2r", "F3A18_1", "F1A10_1", "F1A16_1r", "F1A17_1",
"F5A5_1", "F1A9_1", "F1A15_1", "F3A7_1", "F3A8_1", "F3A34_1",
"F1A17_2", "F5eA3_1", "F5eA4_1", "F5cA3_1", "F1A16_2", "F5A11_1r",
"F2A11", "F2A12", "F3A10_1r"
]

df_pool = pd.DataFrame({
"wave": np.repeat(np.arange(1, num_wave + 1), n_per_wave)
})
for item in items:
df_pool[item] = np.random.normal(3, 1, len(df_pool))

# CFA Model with Second-Order-Factors
model_dict = """
F1_effic =~ F1A5_2 + F1A10_2r + F3A18_1
F21_resent =~ F1A10_1 + F1A16_1r + F1A17_1 + F5A5_1
F22_affec =~ F1A9_1 + F1A15_1
F4_cosmo =~ F3A7_1 + F3A8_1 + F3A34_1
F5_consp =~ F1A17_2 + F5eA3_1 + F5eA4_1 + F5cA3_1 + F1A16_2 + F5A11_1r
F6_envir =~ F2A11 + F2A12 + F3A10_1r

F2_rebel =~ F21_resent + F22_affec
"""

model_multi = multigroup(model_dict, df_pool, group='wave')
print(model_multi.stats)
```


Подробнее здесь: https://stackoverflow.com/questions/794 ... multigroup