CASO
Leonardo Martins
03/10/2018
This a brief report regarding CASO-30 study and parental styles.
Our major aim is to check psychometrics quality using Structural Equation Modeling
Importing data base from excel
library(readxl)
caso <- read_excel("~/Dropbox (Profissional)/Universo/Colaborações Rodrigo/data.xls",
sheet = "data")Loading libraries
NA checking
data<-as.data.frame(caso)
attach(data)NA inserting and ordering
#Insert NA CASO
for(i in c(8:37)){
data[,i] <- recode(data[,i],"0=NA;1=1;2=2;3=3;4=4;5=5")
}
#Insert NA PAQ
for(i in c(54:83)){
data[,i] <- recode(data[,i],"0=NA;1=1;2=2;3=3;4=4;5=5")
}
#Insert NA EPCS
for(i in c(89:109)){
data[,i] <- recode(data[,i],"0=NA;1=1;2=2;3=3;4=4;5=5")
}
#Ordering
for (i in c(8:37,49:51,54:83,89:109)){
data[c(i)]<-as.ordered(data[,c(i)])
}#summary(data)Visual input from item structure
image
Trying three different structures
measure.model1<-'
#CASO - Five original factors
CASO_F1 =~ CASO_P3 + CASO_P7 + CASO_P12 + CASO_P18 + CASO_P25 + CASO_P29
CASO_F2 =~ CASO_P10 + CASO_P13 + CASO_P15 + CASO_P17 + CASO_P19 + CASO_P22
CASO_F3 =~ CASO_P4 + CASO_P6 + CASO_P20 + CASO_P23 + CASO_P27 + CASO_P30
CASO_F4 =~ CASO_P2 + CASO_P5 + CASO_P9 + CASO_P11 + CASO_P14 + CASO_P26
CASO_F5 =~ CASO_P1 + CASO_P8 + CASO_P16 + CASO_P21 + CASO_P24 + CASO_P28
'measure.model2<-'
#CASO - One Factor
CASO_F1 =~ CASO_P3 + CASO_P7 + CASO_P12 + CASO_P18 + CASO_P25 + CASO_P29 + CASO_P10 + CASO_P13 + CASO_P15 + CASO_P17 + CASO_P19 + CASO_P22 + CASO_P4 + CASO_P6 + CASO_P20 + CASO_P23 + CASO_P27 + CASO_P3 + CASO_P2 + CASO_P5 + CASO_P9 + CASO_P11 + CASO_P14 + CASO_P26 + CASO_P1 + CASO_P8 + CASO_P16 + CASO_P21 + CASO_P24 + CASO_P28
'measure.model3<-'
#CASO - Second order factor
CASO_F1 =~ CASO_P3 + CASO_P7 + CASO_P12 + CASO_P18 + CASO_P25 + CASO_P29
CASO_F2 =~ CASO_P10 + CASO_P13 + CASO_P15 + CASO_P17 + CASO_P19 + CASO_P22
CASO_F3 =~ CASO_P4 + CASO_P6 + CASO_P20 + CASO_P23 + CASO_P27 + CASO_P30
CASO_F4 =~ CASO_P2 + CASO_P5 + CASO_P9 + CASO_P11 + CASO_P14 + CASO_P26
CASO_F5 =~ CASO_P1 + CASO_P8 + CASO_P16 + CASO_P21 + CASO_P24 + CASO_P28
CASO =~ CASO_F1 + CASO_F2 + CASO_F3 + CASO_F4 + CASO_F5
'Estimation for categorical itens WLSMV considering missing cases as pairwise
Model Fit 1
measure.fit1<-cfa(measure.model1, data=data, estimator="WLSMV", mimic="Mplus", std.lv=T, missing="pairwise")Model Fit 2
measure.fit2<-cfa(measure.model2, data=data, estimator="WLSMV", mimic="Mplus", std.lv=T, missing="pairwise")Model Fit 3
measure.fit3<-cfa(measure.model3, data=data, estimator="WLSMV", mimic="Mplus", std.lv=T, missing="pairwise")Model Fit
round(cbind(m1=inspect(measure.fit1, 'fit.measures'),
m2=inspect(measure.fit2, 'fit.measures'),
m3=inspect(measure.fit3, 'fit.measures')),3)## m1 m2 m3
## npar 160.000 145.000 155.000
## fmin 1.495 3.641 1.548
## chisq 1130.242 2752.465 1170.014
## df 395.000 377.000 400.000
## pvalue 0.000 0.000 0.000
## chisq.scaled 1086.260 2209.968 1072.948
## df.scaled 395.000 377.000 400.000
## pvalue.scaled 0.000 0.000 0.000
## chisq.scaling.factor 1.261 1.359 1.334
## baseline.chisq 32381.861 28524.295 32381.861
## baseline.df 435.000 406.000 435.000
## baseline.pvalue 0.000 0.000 0.000
## baseline.chisq.scaled 11366.821 10387.257 11366.821
## baseline.df.scaled 435.000 406.000 435.000
## baseline.pvalue.scaled 0.000 0.000 0.000
## baseline.chisq.scaling.factor 2.922 2.817 2.922
## cfi 0.977 0.916 0.976
## tli 0.975 0.909 0.974
## nnfi 0.975 0.909 0.974
## rfi 0.962 0.896 0.961
## nfi 0.965 0.904 0.964
## pnfi 0.876 0.839 0.886
## ifi 0.977 0.916 0.976
## rni 0.977 0.916 0.976
## cfi.scaled 0.937 0.816 0.938
## tli.scaled 0.930 0.802 0.933
## cfi.robust NA NA NA
## tli.robust NA NA NA
## nnfi.scaled 0.930 0.802 0.933
## nnfi.robust NA NA NA
## rfi.scaled 0.895 0.771 0.897
## nfi.scaled 0.904 0.787 0.906
## ifi.scaled 0.937 0.817 0.939
## rni.scaled 0.937 0.816 0.938
## rni.robust NA NA NA
## rmsea 0.070 0.129 0.071
## rmsea.ci.lower 0.065 0.125 0.067
## rmsea.ci.upper 0.075 0.134 0.076
## rmsea.pvalue 0.000 0.000 0.000
## rmsea.scaled 0.068 0.114 0.067
## rmsea.ci.lower.scaled 0.063 0.109 0.062
## rmsea.ci.upper.scaled 0.073 0.118 0.072
## rmsea.pvalue.scaled 0.000 0.000 0.000
## rmsea.robust NA NA NA
## rmsea.ci.lower.robust NA NA NA
## rmsea.ci.upper.robust NA NA NA
## rmsea.pvalue.robust NA NA NA
## rmr 0.067 0.099 0.069
## rmr_nomean 0.069 0.102 0.071
## srmr 0.067 0.099 0.069
## srmr_bentler 0.067 0.099 0.069
## srmr_bentler_nomean 0.069 0.102 0.071
## crmr 0.069 0.102 0.071
## crmr_nomean 0.072 0.106 0.074
## srmr_mplus 0.067 0.099 0.069
## srmr_mplus_nomean 0.069 0.102 0.071
## cn_05 148.546 58.975 145.235
## cn_01 155.541 61.787 152.032
## gfi 0.975 0.934 0.974
## agfi 0.965 0.908 0.965
## pgfi 0.694 0.674 0.702
## mfi 0.377 0.043 0.360anova(measure.fit1, measure.fit3)## Scaled Chi Square Difference Test (method = "satorra.2000")
##
## Df AIC BIC Chisq Chisq diff Df diff Pr(>Chisq)
## measure.fit1 395 1130.2
## measure.fit3 400 1170.0 13.881 5 0.01638 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1measure.fit<-measure.fit1parameterEstimates(measure.fit, standardized=TRUE) %>%
filter(op == "=~") %>%
select('Latent Factor'=lhs, Indicator=rhs, B=est, SE=se, Z=z, 'p-value'=pvalue, Beta=std.all) %>%
filter(Beta > 0.5) %>%
kable(digits = 3, format="pandoc", caption="Factor Loadings")| Latent Factor | Indicator | B | SE | Z | p-value | Beta |
|---|---|---|---|---|---|---|
| CASO_F1 | CASO_P3 | 0.801 | 0.023 | 34.232 | 0 | 0.801 |
| CASO_F1 | CASO_P7 | 0.716 | 0.029 | 24.941 | 0 | 0.716 |
| CASO_F1 | CASO_P12 | 0.819 | 0.021 | 38.926 | 0 | 0.819 |
| CASO_F1 | CASO_P18 | 0.753 | 0.027 | 27.388 | 0 | 0.753 |
| CASO_F1 | CASO_P25 | 0.652 | 0.038 | 17.236 | 0 | 0.652 |
| CASO_F1 | CASO_P29 | 0.773 | 0.030 | 25.698 | 0 | 0.773 |
| CASO_F2 | CASO_P10 | 0.720 | 0.034 | 21.233 | 0 | 0.720 |
| CASO_F2 | CASO_P13 | 0.673 | 0.030 | 22.149 | 0 | 0.673 |
| CASO_F2 | CASO_P15 | 0.776 | 0.025 | 30.662 | 0 | 0.776 |
| CASO_F2 | CASO_P17 | 0.843 | 0.019 | 43.560 | 0 | 0.843 |
| CASO_F2 | CASO_P19 | 0.652 | 0.036 | 17.880 | 0 | 0.652 |
| CASO_F2 | CASO_P22 | 0.664 | 0.033 | 20.241 | 0 | 0.664 |
| CASO_F3 | CASO_P4 | 0.788 | 0.021 | 37.926 | 0 | 0.788 |
| CASO_F3 | CASO_P6 | 0.722 | 0.031 | 23.175 | 0 | 0.722 |
| CASO_F3 | CASO_P20 | 0.782 | 0.017 | 44.888 | 0 | 0.782 |
| CASO_F3 | CASO_P23 | 0.777 | 0.021 | 36.838 | 0 | 0.777 |
| CASO_F3 | CASO_P27 | 0.708 | 0.028 | 25.543 | 0 | 0.708 |
| CASO_F3 | CASO_P30 | 0.840 | 0.020 | 42.110 | 0 | 0.840 |
| CASO_F4 | CASO_P2 | 0.604 | 0.041 | 14.713 | 0 | 0.604 |
| CASO_F4 | CASO_P5 | 0.666 | 0.038 | 17.591 | 0 | 0.666 |
| CASO_F4 | CASO_P9 | 0.637 | 0.038 | 16.808 | 0 | 0.637 |
| CASO_F4 | CASO_P11 | 0.621 | 0.038 | 16.236 | 0 | 0.621 |
| CASO_F4 | CASO_P14 | 0.612 | 0.041 | 14.848 | 0 | 0.612 |
| CASO_F4 | CASO_P26 | 0.793 | 0.027 | 29.089 | 0 | 0.793 |
| CASO_F5 | CASO_P1 | 0.606 | 0.042 | 14.422 | 0 | 0.606 |
| CASO_F5 | CASO_P16 | 0.664 | 0.038 | 17.605 | 0 | 0.664 |
| CASO_F5 | CASO_P21 | 0.719 | 0.029 | 24.995 | 0 | 0.719 |
| CASO_F5 | CASO_P24 | 0.702 | 0.032 | 22.003 | 0 | 0.702 |
| CASO_F5 | CASO_P28 | 0.711 | 0.030 | 24.001 | 0 | 0.711 |
parameterEstimates(measure.fit, standardized=TRUE) %>%
filter(op == "~~",
lhs %in% c("CASO_F1", "CASO_F2", "CASO_F3", "CASO_F4", "CASO_F5"),
!is.na(pvalue)) %>%
filter(std.all < 0.99) %>%
mutate(stars = ifelse(pvalue < .001, "***",
ifelse(pvalue < .01, "**",
ifelse(pvalue < .05, "*", "")))) %>%
select('Fatores1'=lhs,
'Fatores2'=rhs,
Correlation=std.all,
sig=stars) %>%
kable(digits = 3, format="pandoc", caption="Table 1: Correlações entre os fatores latentes")| Fatores1 | Fatores2 | Correlation | sig |
|---|---|---|---|
| CASO_F1 | CASO_F2 | 0.587 | *** |
| CASO_F1 | CASO_F3 | 0.561 | *** |
| CASO_F1 | CASO_F4 | 0.450 | *** |
| CASO_F1 | CASO_F5 | 0.542 | *** |
| CASO_F2 | CASO_F3 | 0.712 | *** |
| CASO_F2 | CASO_F4 | 0.602 | *** |
| CASO_F2 | CASO_F5 | 0.639 | *** |
| CASO_F3 | CASO_F4 | 0.611 | *** |
| CASO_F3 | CASO_F5 | 0.646 | *** |
| CASO_F4 | CASO_F5 | 0.684 | *** |
reliability(measure.fit)## CASO_F1 CASO_F2 CASO_F3 CASO_F4 CASO_F5 total
## alpha 0.8529584 0.8513437 0.8878561 0.8109143 0.7737104 0.9361004
## omega 0.8637325 0.8426242 0.8787842 0.7970590 0.7853931 0.9455134
## omega2 0.8637325 0.8426242 0.8787842 0.7970590 0.7853931 0.9455134
## omega3 0.9526156 0.8770882 0.9000229 0.8133830 0.8574476 0.9688241
## avevar 0.5693968 0.5248537 0.5941080 0.4339474 0.4233812 0.5091374Model Plot
semPaths(measure.fit, what="path", whatLabels ="std", edge.label.cex = 0.4, exoVar = F, exoCov = T, layout = "tree3", optimizeLatRes=T, style = "ram", curve= 0.5, sizeLat = 4, sizeLat2 = 4, sizeMan = 2, sizeMan2 = 3, title = T, thresholds = F, curvePivot=F, intercepts = F, residuals = F,layoutSplit = F, combineGroups = F, structural = F, reorder = F,centerLevels=T)
summary(measure.fit, standardized=T, fit.measures=T, rsquare=T, ci=T,modindices=F)## lavaan 0.6-3 ended normally after 25 iterations
##
## Optimization method NLMINB
## Number of free parameters 160
##
## Number of observations 378
## Number of missing patterns 17
##
## Estimator DWLS Robust
## Model Fit Test Statistic 1130.242 1086.260
## Degrees of freedom 395 395
## P-value (Chi-square) 0.000 0.000
## Scaling correction factor 1.261
## Shift parameter 189.921
## for simple second-order correction (WLSMV)
##
## Model test baseline model:
##
## Minimum Function Test Statistic 32381.861 11366.821
## Degrees of freedom 435 435
## P-value 0.000 0.000
##
## User model versus baseline model:
##
## Comparative Fit Index (CFI) 0.977 0.937
## Tucker-Lewis Index (TLI) 0.975 0.930
##
## Robust Comparative Fit Index (CFI) NA
## Robust Tucker-Lewis Index (TLI) NA
##
## Root Mean Square Error of Approximation:
##
## RMSEA 0.070 0.068
## 90 Percent Confidence Interval 0.065 0.075 0.063 0.073
## P-value RMSEA <= 0.05 0.000 0.000
##
## Robust RMSEA NA
## 90 Percent Confidence Interval NA NA
##
## Standardized Root Mean Square Residual:
##
## SRMR 0.067 0.067
##
## Weighted Root Mean Square Residual:
##
## WRMR 1.427 1.427
##
## Parameter Estimates:
##
## Information Expected
## Information saturated (h1) model Unstructured
## Standard Errors Robust.sem
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## CASO_F1 =~
## CASO_P3 0.801 0.023 34.232 0.000 0.755 0.847
## CASO_P7 0.716 0.029 24.941 0.000 0.660 0.772
## CASO_P12 0.819 0.021 38.926 0.000 0.778 0.860
## CASO_P18 0.753 0.027 27.388 0.000 0.699 0.807
## CASO_P25 0.652 0.038 17.236 0.000 0.578 0.727
## CASO_P29 0.773 0.030 25.698 0.000 0.714 0.832
## CASO_F2 =~
## CASO_P10 0.720 0.034 21.233 0.000 0.654 0.786
## CASO_P13 0.673 0.030 22.149 0.000 0.614 0.733
## CASO_P15 0.776 0.025 30.662 0.000 0.726 0.825
## CASO_P17 0.843 0.019 43.560 0.000 0.805 0.881
## CASO_P19 0.652 0.036 17.880 0.000 0.580 0.723
## CASO_P22 0.664 0.033 20.241 0.000 0.599 0.728
## CASO_F3 =~
## CASO_P4 0.788 0.021 37.926 0.000 0.748 0.829
## CASO_P6 0.722 0.031 23.175 0.000 0.661 0.783
## CASO_P20 0.782 0.017 44.888 0.000 0.747 0.816
## CASO_P23 0.777 0.021 36.838 0.000 0.735 0.818
## CASO_P27 0.708 0.028 25.543 0.000 0.654 0.762
## CASO_P30 0.840 0.020 42.110 0.000 0.801 0.880
## CASO_F4 =~
## CASO_P2 0.604 0.041 14.713 0.000 0.524 0.685
## CASO_P5 0.666 0.038 17.591 0.000 0.592 0.740
## CASO_P9 0.637 0.038 16.808 0.000 0.563 0.712
## CASO_P11 0.621 0.038 16.236 0.000 0.546 0.696
## CASO_P14 0.612 0.041 14.848 0.000 0.531 0.693
## CASO_P26 0.793 0.027 29.089 0.000 0.740 0.846
## CASO_F5 =~
## CASO_P1 0.606 0.042 14.422 0.000 0.523 0.688
## CASO_P8 0.466 0.045 10.460 0.000 0.379 0.553
## CASO_P16 0.664 0.038 17.605 0.000 0.590 0.738
## CASO_P21 0.719 0.029 24.995 0.000 0.662 0.775
## CASO_P24 0.702 0.032 22.003 0.000 0.640 0.765
## CASO_P28 0.711 0.030 24.001 0.000 0.653 0.769
## Std.lv Std.all
##
## 0.801 0.801
## 0.716 0.716
## 0.819 0.819
## 0.753 0.753
## 0.652 0.652
## 0.773 0.773
##
## 0.720 0.720
## 0.673 0.673
## 0.776 0.776
## 0.843 0.843
## 0.652 0.652
## 0.664 0.664
##
## 0.788 0.788
## 0.722 0.722
## 0.782 0.782
## 0.777 0.777
## 0.708 0.708
## 0.840 0.840
##
## 0.604 0.604
## 0.666 0.666
## 0.637 0.637
## 0.621 0.621
## 0.612 0.612
## 0.793 0.793
##
## 0.606 0.606
## 0.466 0.466
## 0.664 0.664
## 0.719 0.719
## 0.702 0.702
## 0.711 0.711
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## CASO_F1 ~~
## CASO_F2 0.587 0.037 15.714 0.000 0.514 0.661
## CASO_F3 0.561 0.039 14.498 0.000 0.485 0.637
## CASO_F4 0.450 0.045 10.096 0.000 0.363 0.537
## CASO_F5 0.542 0.041 13.145 0.000 0.461 0.623
## CASO_F2 ~~
## CASO_F3 0.712 0.033 21.314 0.000 0.646 0.777
## CASO_F4 0.602 0.042 14.436 0.000 0.520 0.683
## CASO_F5 0.639 0.036 17.639 0.000 0.568 0.710
## CASO_F3 ~~
## CASO_F4 0.611 0.040 15.304 0.000 0.533 0.689
## CASO_F5 0.646 0.035 18.518 0.000 0.578 0.715
## CASO_F4 ~~
## CASO_F5 0.684 0.037 18.388 0.000 0.611 0.757
## Std.lv Std.all
##
## 0.587 0.587
## 0.561 0.561
## 0.450 0.450
## 0.542 0.542
##
## 0.712 0.712
## 0.602 0.602
## 0.639 0.639
##
## 0.611 0.611
## 0.646 0.646
##
## 0.684 0.684
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## .CASO_P3 0.000 0.000 0.000
## .CASO_P7 0.000 0.000 0.000
## .CASO_P12 0.000 0.000 0.000
## .CASO_P18 0.000 0.000 0.000
## .CASO_P25 0.000 0.000 0.000
## .CASO_P29 0.000 0.000 0.000
## .CASO_P10 0.000 0.000 0.000
## .CASO_P13 0.000 0.000 0.000
## .CASO_P15 0.000 0.000 0.000
## .CASO_P17 0.000 0.000 0.000
## .CASO_P19 0.000 0.000 0.000
## .CASO_P22 0.000 0.000 0.000
## .CASO_P4 0.000 0.000 0.000
## .CASO_P6 0.000 0.000 0.000
## .CASO_P20 0.000 0.000 0.000
## .CASO_P23 0.000 0.000 0.000
## .CASO_P27 0.000 0.000 0.000
## .CASO_P30 0.000 0.000 0.000
## .CASO_P2 0.000 0.000 0.000
## .CASO_P5 0.000 0.000 0.000
## .CASO_P9 0.000 0.000 0.000
## .CASO_P11 0.000 0.000 0.000
## .CASO_P14 0.000 0.000 0.000
## .CASO_P26 0.000 0.000 0.000
## .CASO_P1 0.000 0.000 0.000
## .CASO_P8 0.000 0.000 0.000
## .CASO_P16 0.000 0.000 0.000
## .CASO_P21 0.000 0.000 0.000
## .CASO_P24 0.000 0.000 0.000
## .CASO_P28 0.000 0.000 0.000
## CASO_F1 0.000 0.000 0.000
## CASO_F2 0.000 0.000 0.000
## CASO_F3 0.000 0.000 0.000
## CASO_F4 0.000 0.000 0.000
## CASO_F5 0.000 0.000 0.000
## Std.lv Std.all
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
## 0.000 0.000
##
## Thresholds:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## CASO_P3|t1 -1.079 0.080 -13.431 0.000 -1.237 -0.922
## CASO_P3|t2 -0.324 0.066 -4.916 0.000 -0.453 -0.195
## CASO_P3|t3 0.296 0.066 4.508 0.000 0.167 0.425
## CASO_P3|t4 1.022 0.079 13.012 0.000 0.868 1.176
## CASO_P7|t1 -1.525 0.101 -15.088 0.000 -1.723 -1.327
## CASO_P7|t2 -0.603 0.069 -8.718 0.000 -0.739 -0.468
## CASO_P7|t3 0.252 0.065 3.849 0.000 0.124 0.380
## CASO_P7|t4 1.043 0.079 13.152 0.000 0.887 1.198
## CASO_P12|t1 -0.866 0.074 -11.666 0.000 -1.012 -0.721
## CASO_P12|t2 -0.113 0.065 -1.744 0.081 -0.240 0.014
## CASO_P12|t3 0.550 0.068 8.057 0.000 0.417 0.684
## CASO_P12|t4 1.249 0.087 14.398 0.000 1.079 1.419
## CASO_P18|t1 -1.205 0.085 -14.168 0.000 -1.372 -1.038
## CASO_P18|t2 -0.458 0.067 -6.806 0.000 -0.589 -0.326
## CASO_P18|t3 0.342 0.066 5.178 0.000 0.213 0.472
## CASO_P18|t4 1.127 0.082 13.722 0.000 0.966 1.287
## CASO_P25|t1 -1.018 0.079 -12.952 0.000 -1.172 -0.864
## CASO_P25|t2 -0.201 0.065 -3.084 0.002 -0.329 -0.073
## CASO_P25|t3 0.523 0.068 7.675 0.000 0.389 0.656
## CASO_P25|t4 1.138 0.083 13.771 0.000 0.976 1.299
## CASO_P29|t1 -1.207 0.085 -14.195 0.000 -1.373 -1.040
## CASO_P29|t2 -0.275 0.066 -4.201 0.000 -0.404 -0.147
## CASO_P29|t3 0.574 0.069 8.357 0.000 0.439 0.708
## CASO_P29|t4 1.446 0.096 15.014 0.000 1.257 1.635
## CASO_P10|t1 -0.050 0.065 -0.773 0.440 -0.177 0.077
## CASO_P10|t2 0.536 0.068 7.836 0.000 0.402 0.670
## CASO_P10|t3 1.039 0.079 13.092 0.000 0.884 1.195
## CASO_P10|t4 1.721 0.115 14.930 0.000 1.495 1.946
## CASO_P13|t1 -0.528 0.068 -7.735 0.000 -0.662 -0.394
## CASO_P13|t2 0.380 0.067 5.703 0.000 0.249 0.511
## CASO_P13|t3 1.051 0.080 13.176 0.000 0.895 1.207
## CASO_P13|t4 1.816 0.124 14.701 0.000 1.574 2.058
## CASO_P15|t1 -0.613 0.069 -8.856 0.000 -0.749 -0.478
## CASO_P15|t2 0.046 0.065 0.718 0.473 -0.080 0.173
## CASO_P15|t3 0.637 0.070 9.154 0.000 0.501 0.774
## CASO_P15|t4 1.294 0.089 14.585 0.000 1.120 1.468
## CASO_P17|t1 -0.647 0.070 -9.238 0.000 -0.785 -0.510
## CASO_P17|t2 0.165 0.065 2.523 0.012 0.037 0.292
## CASO_P17|t3 0.871 0.075 11.659 0.000 0.724 1.017
## CASO_P17|t4 1.589 0.106 15.064 0.000 1.382 1.796
## CASO_P19|t1 -0.204 0.065 -3.131 0.002 -0.332 -0.076
## CASO_P19|t2 0.480 0.068 7.109 0.000 0.348 0.612
## CASO_P19|t3 1.090 0.081 13.483 0.000 0.931 1.248
## CASO_P19|t4 1.504 0.100 15.071 0.000 1.308 1.699
## CASO_P22|t1 -1.167 0.083 -13.978 0.000 -1.330 -1.003
## CASO_P22|t2 -0.310 0.066 -4.712 0.000 -0.439 -0.181
## CASO_P22|t3 0.453 0.067 6.746 0.000 0.321 0.584
## CASO_P22|t4 1.235 0.086 14.332 0.000 1.066 1.404
## CASO_P4|t1 -1.053 0.080 -13.206 0.000 -1.209 -0.896
## CASO_P4|t2 -0.354 0.066 -5.338 0.000 -0.484 -0.224
## CASO_P4|t3 0.319 0.066 4.827 0.000 0.189 0.448
## CASO_P4|t4 1.232 0.086 14.279 0.000 1.063 1.401
## CASO_P6|t1 -0.668 0.070 -9.512 0.000 -0.806 -0.531
## CASO_P6|t2 0.077 0.065 1.181 0.237 -0.050 0.204
## CASO_P6|t3 0.754 0.072 10.490 0.000 0.613 0.895
## CASO_P6|t4 1.373 0.093 14.829 0.000 1.192 1.554
## CASO_P20|t1 -0.756 0.072 -10.525 0.000 -0.897 -0.615
## CASO_P20|t2 -0.093 0.065 -1.436 0.151 -0.220 0.034
## CASO_P20|t3 0.582 0.069 8.457 0.000 0.447 0.716
## CASO_P20|t4 1.325 0.090 14.700 0.000 1.148 1.502
## CASO_P23|t1 -0.966 0.077 -12.545 0.000 -1.117 -0.815
## CASO_P23|t2 -0.280 0.066 -4.258 0.000 -0.408 -0.151
## CASO_P23|t3 0.443 0.067 6.603 0.000 0.311 0.574
## CASO_P23|t4 1.192 0.085 14.097 0.000 1.026 1.357
## CASO_P27|t1 -1.309 0.089 -14.644 0.000 -1.484 -1.134
## CASO_P27|t2 -0.646 0.070 -9.253 0.000 -0.782 -0.509
## CASO_P27|t3 0.013 0.065 0.205 0.837 -0.113 0.140
## CASO_P27|t4 0.670 0.070 9.549 0.000 0.533 0.808
## CASO_P30|t1 -1.408 0.094 -14.917 0.000 -1.593 -1.223
## CASO_P30|t2 -0.595 0.069 -8.618 0.000 -0.731 -0.460
## CASO_P30|t3 0.050 0.065 0.770 0.441 -0.077 0.177
## CASO_P30|t4 0.865 0.074 11.632 0.000 0.719 1.010
## CASO_P2|t1 -1.221 0.086 -14.264 0.000 -1.388 -1.053
## CASO_P2|t2 -0.475 0.067 -7.050 0.000 -0.607 -0.343
## CASO_P2|t3 0.227 0.065 3.485 0.000 0.100 0.355
## CASO_P2|t4 1.128 0.082 13.750 0.000 0.967 1.289
## CASO_P5|t1 -0.989 0.078 -12.753 0.000 -1.141 -0.837
## CASO_P5|t2 -0.255 0.065 -3.895 0.000 -0.383 -0.127
## CASO_P5|t3 0.520 0.068 7.655 0.000 0.387 0.653
## CASO_P5|t4 1.235 0.086 14.332 0.000 1.066 1.404
## CASO_P9|t1 -0.924 0.076 -12.185 0.000 -1.073 -0.775
## CASO_P9|t2 -0.043 0.065 -0.668 0.504 -0.170 0.084
## CASO_P9|t3 0.652 0.070 9.314 0.000 0.515 0.789
## CASO_P9|t4 1.723 0.115 14.965 0.000 1.497 1.949
## CASO_P11|t1 -0.902 0.075 -11.970 0.000 -1.050 -0.754
## CASO_P11|t2 -0.263 0.066 -4.007 0.000 -0.392 -0.134
## CASO_P11|t3 0.411 0.067 6.154 0.000 0.280 0.542
## CASO_P11|t4 1.177 0.084 13.997 0.000 1.012 1.341
## CASO_P14|t1 -1.127 0.082 -13.722 0.000 -1.287 -0.966
## CASO_P14|t2 -0.414 0.067 -6.196 0.000 -0.545 -0.283
## CASO_P14|t3 0.349 0.066 5.280 0.000 0.220 0.479
## CASO_P14|t4 1.205 0.085 14.168 0.000 1.038 1.372
## CASO_P26|t1 -1.205 0.085 -14.168 0.000 -1.372 -1.038
## CASO_P26|t2 -0.443 0.067 -6.603 0.000 -0.574 -0.311
## CASO_P26|t3 0.392 0.067 5.891 0.000 0.262 0.523
## CASO_P26|t4 1.356 0.092 14.781 0.000 1.176 1.536
## CASO_P1|t1 -1.022 0.079 -13.012 0.000 -1.176 -0.868
## CASO_P1|t2 -0.027 0.065 -0.410 0.682 -0.153 0.100
## CASO_P1|t3 0.946 0.076 12.398 0.000 0.797 1.096
## CASO_P1|t4 1.894 0.131 14.497 0.000 1.638 2.150
## CASO_P8|t1 -1.235 0.086 -14.332 0.000 -1.404 -1.066
## CASO_P8|t2 -0.395 0.066 -5.934 0.000 -0.525 -0.264
## CASO_P8|t3 0.387 0.066 5.833 0.000 0.257 0.518
## CASO_P8|t4 1.193 0.084 14.124 0.000 1.028 1.359
## CASO_P16|t1 -0.984 0.078 -12.659 0.000 -1.136 -0.831
## CASO_P16|t2 -0.233 0.066 -3.551 0.000 -0.361 -0.104
## CASO_P16|t3 0.431 0.067 6.416 0.000 0.299 0.562
## CASO_P16|t4 1.175 0.084 13.970 0.000 1.010 1.340
## CASO_P21|t1 -1.936 0.135 -14.332 0.000 -2.200 -1.671
## CASO_P21|t2 -0.957 0.077 -12.488 0.000 -1.107 -0.807
## CASO_P21|t3 -0.207 0.065 -3.178 0.001 -0.335 -0.079
## CASO_P21|t4 0.679 0.070 9.647 0.000 0.541 0.817
## CASO_P24|t1 -1.593 0.105 -15.123 0.000 -1.800 -1.387
## CASO_P24|t2 -0.978 0.077 -12.665 0.000 -1.129 -0.827
## CASO_P24|t3 -0.200 0.065 -3.076 0.002 -0.328 -0.073
## CASO_P24|t4 0.558 0.068 8.157 0.000 0.424 0.692
## CASO_P28|t1 -1.427 0.095 -14.979 0.000 -1.614 -1.241
## CASO_P28|t2 -0.646 0.070 -9.253 0.000 -0.782 -0.509
## CASO_P28|t3 0.140 0.065 2.154 0.031 0.013 0.267
## CASO_P28|t4 0.847 0.074 11.479 0.000 0.703 0.992
## Std.lv Std.all
## -1.079 -1.079
## -0.324 -0.324
## 0.296 0.296
## 1.022 1.022
## -1.525 -1.525
## -0.603 -0.603
## 0.252 0.252
## 1.043 1.043
## -0.866 -0.866
## -0.113 -0.113
## 0.550 0.550
## 1.249 1.249
## -1.205 -1.205
## -0.458 -0.458
## 0.342 0.342
## 1.127 1.127
## -1.018 -1.018
## -0.201 -0.201
## 0.523 0.523
## 1.138 1.138
## -1.207 -1.207
## -0.275 -0.275
## 0.574 0.574
## 1.446 1.446
## -0.050 -0.050
## 0.536 0.536
## 1.039 1.039
## 1.721 1.721
## -0.528 -0.528
## 0.380 0.380
## 1.051 1.051
## 1.816 1.816
## -0.613 -0.613
## 0.046 0.046
## 0.637 0.637
## 1.294 1.294
## -0.647 -0.647
## 0.165 0.165
## 0.871 0.871
## 1.589 1.589
## -0.204 -0.204
## 0.480 0.480
## 1.090 1.090
## 1.504 1.504
## -1.167 -1.167
## -0.310 -0.310
## 0.453 0.453
## 1.235 1.235
## -1.053 -1.053
## -0.354 -0.354
## 0.319 0.319
## 1.232 1.232
## -0.668 -0.668
## 0.077 0.077
## 0.754 0.754
## 1.373 1.373
## -0.756 -0.756
## -0.093 -0.093
## 0.582 0.582
## 1.325 1.325
## -0.966 -0.966
## -0.280 -0.280
## 0.443 0.443
## 1.192 1.192
## -1.309 -1.309
## -0.646 -0.646
## 0.013 0.013
## 0.670 0.670
## -1.408 -1.408
## -0.595 -0.595
## 0.050 0.050
## 0.865 0.865
## -1.221 -1.221
## -0.475 -0.475
## 0.227 0.227
## 1.128 1.128
## -0.989 -0.989
## -0.255 -0.255
## 0.520 0.520
## 1.235 1.235
## -0.924 -0.924
## -0.043 -0.043
## 0.652 0.652
## 1.723 1.723
## -0.902 -0.902
## -0.263 -0.263
## 0.411 0.411
## 1.177 1.177
## -1.127 -1.127
## -0.414 -0.414
## 0.349 0.349
## 1.205 1.205
## -1.205 -1.205
## -0.443 -0.443
## 0.392 0.392
## 1.356 1.356
## -1.022 -1.022
## -0.027 -0.027
## 0.946 0.946
## 1.894 1.894
## -1.235 -1.235
## -0.395 -0.395
## 0.387 0.387
## 1.193 1.193
## -0.984 -0.984
## -0.233 -0.233
## 0.431 0.431
## 1.175 1.175
## -1.936 -1.936
## -0.957 -0.957
## -0.207 -0.207
## 0.679 0.679
## -1.593 -1.593
## -0.978 -0.978
## -0.200 -0.200
## 0.558 0.558
## -1.427 -1.427
## -0.646 -0.646
## 0.140 0.140
## 0.847 0.847
##
## Variances:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## .CASO_P3 0.358 0.358 0.358
## .CASO_P7 0.487 0.487 0.487
## .CASO_P12 0.329 0.329 0.329
## .CASO_P18 0.433 0.433 0.433
## .CASO_P25 0.574 0.574 0.574
## .CASO_P29 0.402 0.402 0.402
## .CASO_P10 0.482 0.482 0.482
## .CASO_P13 0.547 0.547 0.547
## .CASO_P15 0.398 0.398 0.398
## .CASO_P17 0.290 0.290 0.290
## .CASO_P19 0.575 0.575 0.575
## .CASO_P22 0.560 0.560 0.560
## .CASO_P4 0.378 0.378 0.378
## .CASO_P6 0.478 0.478 0.478
## .CASO_P20 0.389 0.389 0.389
## .CASO_P23 0.397 0.397 0.397
## .CASO_P27 0.499 0.499 0.499
## .CASO_P30 0.294 0.294 0.294
## .CASO_P2 0.635 0.635 0.635
## .CASO_P5 0.557 0.557 0.557
## .CASO_P9 0.594 0.594 0.594
## .CASO_P11 0.615 0.615 0.615
## .CASO_P14 0.625 0.625 0.625
## .CASO_P26 0.371 0.371 0.371
## .CASO_P1 0.633 0.633 0.633
## .CASO_P8 0.783 0.783 0.783
## .CASO_P16 0.559 0.559 0.559
## .CASO_P21 0.484 0.484 0.484
## .CASO_P24 0.507 0.507 0.507
## .CASO_P28 0.495 0.495 0.495
## CASO_F1 1.000 1.000 1.000
## CASO_F2 1.000 1.000 1.000
## CASO_F3 1.000 1.000 1.000
## CASO_F4 1.000 1.000 1.000
## CASO_F5 1.000 1.000 1.000
## Std.lv Std.all
## 0.358 0.358
## 0.487 0.487
## 0.329 0.329
## 0.433 0.433
## 0.574 0.574
## 0.402 0.402
## 0.482 0.482
## 0.547 0.547
## 0.398 0.398
## 0.290 0.290
## 0.575 0.575
## 0.560 0.560
## 0.378 0.378
## 0.478 0.478
## 0.389 0.389
## 0.397 0.397
## 0.499 0.499
## 0.294 0.294
## 0.635 0.635
## 0.557 0.557
## 0.594 0.594
## 0.615 0.615
## 0.625 0.625
## 0.371 0.371
## 0.633 0.633
## 0.783 0.783
## 0.559 0.559
## 0.484 0.484
## 0.507 0.507
## 0.495 0.495
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
##
## Scales y*:
## Estimate Std.Err z-value P(>|z|) ci.lower ci.upper
## CASO_P3 1.000 1.000 1.000
## CASO_P7 1.000 1.000 1.000
## CASO_P12 1.000 1.000 1.000
## CASO_P18 1.000 1.000 1.000
## CASO_P25 1.000 1.000 1.000
## CASO_P29 1.000 1.000 1.000
## CASO_P10 1.000 1.000 1.000
## CASO_P13 1.000 1.000 1.000
## CASO_P15 1.000 1.000 1.000
## CASO_P17 1.000 1.000 1.000
## CASO_P19 1.000 1.000 1.000
## CASO_P22 1.000 1.000 1.000
## CASO_P4 1.000 1.000 1.000
## CASO_P6 1.000 1.000 1.000
## CASO_P20 1.000 1.000 1.000
## CASO_P23 1.000 1.000 1.000
## CASO_P27 1.000 1.000 1.000
## CASO_P30 1.000 1.000 1.000
## CASO_P2 1.000 1.000 1.000
## CASO_P5 1.000 1.000 1.000
## CASO_P9 1.000 1.000 1.000
## CASO_P11 1.000 1.000 1.000
## CASO_P14 1.000 1.000 1.000
## CASO_P26 1.000 1.000 1.000
## CASO_P1 1.000 1.000 1.000
## CASO_P8 1.000 1.000 1.000
## CASO_P16 1.000 1.000 1.000
## CASO_P21 1.000 1.000 1.000
## CASO_P24 1.000 1.000 1.000
## CASO_P28 1.000 1.000 1.000
## Std.lv Std.all
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
## 1.000 1.000
##
## R-Square:
## Estimate
## CASO_P3 0.642
## CASO_P7 0.513
## CASO_P12 0.671
## CASO_P18 0.567
## CASO_P25 0.426
## CASO_P29 0.598
## CASO_P10 0.518
## CASO_P13 0.453
## CASO_P15 0.602
## CASO_P17 0.710
## CASO_P19 0.425
## CASO_P22 0.440
## CASO_P4 0.622
## CASO_P6 0.522
## CASO_P20 0.611
## CASO_P23 0.603
## CASO_P27 0.501
## CASO_P30 0.706
## CASO_P2 0.365
## CASO_P5 0.443
## CASO_P9 0.406
## CASO_P11 0.385
## CASO_P14 0.375
## CASO_P26 0.629
## CASO_P1 0.367
## CASO_P8 0.217
## CASO_P16 0.441
## CASO_P21 0.516
## CASO_P24 0.493
## CASO_P28 0.505```