Utilizes the Reliability-Adjusted Product Indicator (RAPI) method to
estimate effects among latent variables, thus allowing for more precise definition and analysis of
mediation and moderation models. Our simulation studies reveal that while 'silp' may exhibit
instability with smaller sample sizes and lower reliability scores (e.g., N = 100, 'omega' = 0.7),
implementing nearest positive definite matrix correction and bootstrap confidence interval
estimation can significantly ameliorate this volatility. When these adjustments are applied,
'silp' achieves estimations akin in quality to those derived from LMS. In conclusion, the 'silp'
package is a valuable tool for researchers seeking to explore complex relational structures between
variables without resorting to commercial software.
Cheung et al.(2021)
The goal of silp is to …
You can install the development version of silp from GitHub with: devtools::install_github(“TomBJJJ/silp”)
# install.packages("devtools")
devtools::install_github("TomBJJJ/silp")
This is a basic example which shows you how to solve a common problem:
library(silp)
## basic example code
data = generate_data(100, 0.3, 0.4, c(1,1,1,1), 0.9)
model = "
fy =~ y1 + y2 + y3 + y4
fx =~ x1 + x2 + x3 + x4
fz =~ z1 + z2 + z3 + z4
fy ~ fx + fz + fx:fz
"
fit = silp(model, data)
refit = resilp(fit)
#> ■■■ 5% | ETA: 41s
#> ■■■■■ 12% | ETA: 37s
#> ■■■■■■■ 20% | ETA: 32s
#> ■■■■■■■■■■ 29% | ETA: 28s
#> ■■■■■■■■■■■■ 37% | ETA: 24s
#> ■■■■■■■■■■■■■■■ 46% | ETA: 20s
#> ■■■■■■■■■■■■■■■■■ 54% | ETA: 17s
#> ■■■■■■■■■■■■■■■■■■■■ 63% | ETA: 14s
#> ■■■■■■■■■■■■■■■■■■■■■■ 71% | ETA: 11s
#> ■■■■■■■■■■■■■■■■■■■■■■■■■ 80% | ETA: 7s
#> ■■■■■■■■■■■■■■■■■■■■■■■■■■■ 88% | ETA: 4s
#> ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 96% | ETA: 1s