Elección de pesas camino en modelo conceptual de SEM utilizando openMx

Question

Estoy revisando el paquete de R OpenMx para una epidemiología genética de análisis con el fin de aprender cómo especificar y ajuste de los modelos SEM. Soy nuevo en esto así que tengan paciencia conmigo. Estoy siguiendo el ejemplo de la página 59 de la OpenMx Guía del Usuario.

Aquí se dibuja el siguiente modelo conceptual

Y en la especificación de los caminos, que el peso de la latente "uno" nodo para el que se manifiesta el imc nodos "T1" y "T2" el 0,6 porque:

Las principales rutas de interés son las de cada una de las variables latentes a la respectiva variable observada. Estos son estimados (así todos son libres), obtener un valor de inicio de 0,6 y etiquetas adecuadas.

# path coefficients for twin 1
mxPath(
  from=c("A1","C1","E1"),
  to="bmi1",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

# path coefficients for twin 2
mxPath(
  from=c("A2","C2","E2"),
  to="bmi2",
  arrows=1,
  free=TRUE,
  values=0.6,
  label=c("a","c","e")
),

El valor de 0.6 proviene de la estimación de la covarianza de imc1 y bmi2 (de estrictamente *mono*cigóticos pares de gemelos). Tengo dos preguntas:

1) Cuando dicen que el camino se da una "partida" valor de 0,6 es este como el establecimiento de una integración numérica de la rutina con los valores iniciales, como en la estimación de GLMs?

2) ¿por Qué es este un valor estimado estrictamente de los gemelos monocigóticos?

Answer 1

Para responder a sus 2 puntos:

1) Sí, exactamente--el valor inicial es simplemente dictando donde el algoritmo se inicia el proceso de optimización. La mayoría de los paquetes de software de determinar su propio valor inicial por defecto, el usuario debe intentar ingresar diferentes valores sólo cuando se producen problemas durante la estimación. Desde mi experiencia, la más plausible a partir de los valores va a hacer, y no va a cambiar el modelo final en el que el algoritmo converge.

2) El valor de 0,6 es el valor inicial no representa la intersección de la T1 y T2 (ruta entre "uno" y T1 & T2), sino que el valor inicial del factor de cargas de la vinculación de cada variable latente (a, C, E) indicador T1 o T2. Esto está indicado por el hecho de que el camino va from=c("A1","C1","E1"), to="bmi1" en el primer caso, y from=c("A2","C2","E2"), to="bmi2" , en el segundo caso.

Como para el valor específico "0.6": no he podido encontrar en la documentación en donde se menciona a tomar este valor basado en los gemelos monocigóticos subgrupo; y, en realidad, estas estimaciones de los parámetros (factor de cargas para las 3 variables latentes) no se puede calcular directamente a partir de la muestra, ya que, por definición, estas variables latentes son observados (son latente). Como se menciono en el punto #1, rara vez la posibilidad de elegir entre dos valores plausibles afectar a las estimaciones de los parámetros del modelo convergente, por lo que mi conjetura es que ellos simplemente elegir uno de los muchos valores plausibles para estas factor de cargas como valores de partida. Si este valor viene de la estimación de la covarianza entre imc1 y bmi2 en los gemelos monocigóticos-twin subgrupo sólo debería ser irrelevante, ya que cualquier plausible a partir de los valores debe llevar el algoritmo a converger en los mismos valores finales, tal vez con algunas diferencias en el tiempo de cálculo. (Y mi consejo para convencer a ti mismo es: ¡pruébalo! Probar varios valores de partida y comparar las estimaciones de los parámetros de la convergentes de los modelos.)

Como nota general, he de señalar que la elección de los valores de partida para cualquier estimación del parámetro es MUY importante si el argumento free se establece en FALSE, debido a que el valor inicial se convierten de hecho en el valor de la estimación del parámetro en el modelo final (no va a ser estimado; se fija antes de la estimación).