This is the results of the analysis conducted in the TRAINING sample (20% of the sample).
Code Legend
1,2,3 = corresponding time point (time point 1,….)
b = brain (white matter connectivity)
F = family conflict
m = youth mental problems (behavioral and emotional problems)
RICLPM_Family<- '
# Create between components (random intercepts)
RIx =~ 1*a1F + 1*a2F + 1*a3F
RIy =~ 1*b1 + 1*b2 + 1*b3
RIz =~ 1*m1 + 1*m2 + 1*m3
# Create within-person centered variables
wx1 =~ 1*a1F #each factor loading set to 1
wx2 =~ 1*a2F
wx3 =~ 1*a3F
wy1 =~ 1*b1
wy2 =~ 1*b2
wy3 =~ 1*b3
wz1 =~ 1*m1
wz2 =~ 1*m2
wz3 =~ 1*m3
# Estimate lagged effects between within-person centered variables
wx2 + wy2 + wz2 ~ wx1 + wy1 + wz1
wx3 + wy3 + wz3 ~ wx2 + wy2 + wz2
# Estimate covariance between within-person centered variables at first wave
wx1 ~~ wy1 # Covariance
wx1 ~~ wz1
wy1 ~~ wz1
# Estimate covariances between residuals of within-person centered variables
# (i.e., innovations)
wx2 ~~ wy2
wx2 ~~ wz2
wy2 ~~ wz2
wx3 ~~ wy3
wx3 ~~ wz3
wy3 ~~ wz3
# Estimate variance and covariance of random intercepts
RIx ~~ RIx
RIy ~~ RIy
RIz ~~ RIz
RIx ~~ RIy
RIx ~~ RIz
RIy ~~ RIz
# Estimate (residual) variance of within-person centered variables
wx1 ~~ wx1 # Variances
wy1 ~~ wy1
wz1 ~~ wz1
wx2 ~~ wx2 # Residual variances
wy2 ~~ wy2
wz2 ~~ wz2
wx3 ~~ wx3
wy3 ~~ wy3
wz3 ~~ wz3
'
RICLPM_Family_fit <- lavaan::lavaan(RICLPM_Family,
data = Data,
missing = "fiml",
meanstructure = TRUE,
int.ov.free = TRUE
)
summary(RICLPM_Family_fit, standardized = TRUE)## lavaan 0.6.16 ended normally after 94 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 51
##
## Number of observations 2373
## Number of missing patterns 51
##
## Model Test User Model:
##
## Test statistic 8.028
## Degrees of freedom 3
## P-value (Chi-square) 0.045
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Observed
## Observed information based on Hessian
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx =~
## a1F 1.000 0.538 0.526
## a2F 1.000 0.538 0.521
## a3F 1.000 0.538 0.527
## RIy =~
## b1 1.000 0.889 0.878
## b2 1.000 0.889 0.889
## b3 1.000 0.889 0.889
## RIz =~
## m1 1.000 0.593 0.581
## m2 1.000 0.593 0.591
## m3 1.000 0.593 0.574
## wx1 =~
## a1F 1.000 0.869 0.850
## wx2 =~
## a2F 1.000 0.882 0.854
## wx3 =~
## a3F 1.000 0.867 0.850
## wy1 =~
## b1 1.000 0.485 0.479
## wy2 =~
## b2 1.000 0.459 0.459
## wy3 =~
## b3 1.000 0.457 0.457
## wz1 =~
## m1 1.000 0.832 0.814
## wz2 =~
## m2 1.000 0.809 0.806
## wz3 =~
## m3 1.000 0.845 0.819
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx2 ~
## wx1 0.112 0.056 1.992 0.046 0.111 0.111
## wy1 -0.229 0.144 -1.589 0.112 -0.126 -0.126
## wz1 0.100 0.052 1.911 0.056 0.094 0.094
## wy2 ~
## wx1 -0.057 0.043 -1.333 0.183 -0.108 -0.108
## wy1 0.001 0.166 0.003 0.997 0.001 0.001
## wz1 0.036 0.051 0.701 0.483 0.064 0.064
## wz2 ~
## wx1 0.027 0.044 0.608 0.543 0.029 0.029
## wy1 -0.034 0.138 -0.245 0.807 -0.020 -0.020
## wz1 0.209 0.064 3.258 0.001 0.215 0.215
## wx3 ~
## wx2 0.202 0.051 3.925 0.000 0.205 0.205
## wy2 0.121 0.107 1.136 0.256 0.064 0.064
## wz2 0.172 0.057 3.020 0.003 0.160 0.160
## wy3 ~
## wx2 -0.049 0.036 -1.349 0.177 -0.094 -0.094
## wy2 0.406 0.080 5.081 0.000 0.408 0.408
## wz2 -0.023 0.042 -0.545 0.586 -0.041 -0.041
## wz3 ~
## wx2 -0.014 0.045 -0.317 0.751 -0.015 -0.015
## wy2 0.040 0.103 0.386 0.700 0.022 0.022
## wz2 0.326 0.065 5.022 0.000 0.312 0.312
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx1 ~~
## wy1 -0.057 0.031 -1.855 0.064 -0.136 -0.136
## wz1 0.115 0.040 2.840 0.005 0.159 0.159
## wy1 ~~
## wz1 -0.029 0.034 -0.847 0.397 -0.072 -0.072
## .wx2 ~~
## .wy2 -0.036 0.034 -1.058 0.290 -0.091 -0.091
## .wz2 0.193 0.032 6.046 0.000 0.285 0.285
## .wy2 ~~
## .wz2 0.003 0.033 0.079 0.937 0.007 0.007
## .wx3 ~~
## .wy3 -0.010 0.018 -0.545 0.586 -0.029 -0.029
## .wz3 0.215 0.029 7.478 0.000 0.324 0.324
## .wy3 ~~
## .wz3 0.007 0.018 0.367 0.714 0.020 0.020
## RIx ~~
## RIy 0.052 0.032 1.653 0.098 0.109 0.109
## RIz 0.191 0.039 4.921 0.000 0.597 0.597
## RIy ~~
## RIz -0.003 0.035 -0.089 0.929 -0.006 -0.006
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .a1F 0.037 0.021 1.771 0.076 0.037 0.036
## .a2F 0.020 0.022 0.926 0.354 0.020 0.020
## .a3F 0.049 0.030 1.626 0.104 0.049 0.048
## .b1 -0.020 0.022 -0.898 0.369 -0.020 -0.020
## .b2 -0.031 0.023 -1.338 0.181 -0.031 -0.031
## .b3 -0.055 0.028 -1.959 0.050 -0.055 -0.055
## .m1 0.018 0.021 0.843 0.399 0.018 0.018
## .m2 -0.001 0.021 -0.067 0.947 -0.001 -0.001
## .m3 0.054 0.030 1.794 0.073 0.054 0.052
## RIx 0.000 0.000 0.000
## RIy 0.000 0.000 0.000
## RIz 0.000 0.000 0.000
## wx1 0.000 0.000 0.000
## .wx2 0.000 0.000 0.000
## .wx3 0.000 0.000 0.000
## wy1 0.000 0.000 0.000
## .wy2 0.000 0.000 0.000
## .wy3 0.000 0.000 0.000
## wz1 0.000 0.000 0.000
## .wz2 0.000 0.000 0.000
## .wz3 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx 0.289 0.046 6.272 0.000 1.000 1.000
## RIy 0.791 0.044 18.096 0.000 1.000 1.000
## RIz 0.352 0.055 6.448 0.000 1.000 1.000
## wx1 0.755 0.050 15.132 0.000 1.000 1.000
## wy1 0.235 0.038 6.219 0.000 1.000 1.000
## wz1 0.691 0.057 12.112 0.000 1.000 1.000
## .wx2 0.742 0.045 16.481 0.000 0.954 0.954
## .wy2 0.208 0.045 4.619 0.000 0.986 0.986
## .wz2 0.621 0.042 14.956 0.000 0.950 0.950
## .wx3 0.685 0.040 17.187 0.000 0.910 0.910
## .wy3 0.170 0.016 10.475 0.000 0.814 0.814
## .wz3 0.646 0.038 17.016 0.000 0.905 0.905
## .a1F 0.000 0.000 0.000
## .a2F 0.000 0.000 0.000
## .a3F 0.000 0.000 0.000
## .b1 0.000 0.000 0.000
## .b2 0.000 0.000 0.000
## .b3 0.000 0.000 0.000
## .m1 0.000 0.000 0.000
## .m2 0.000 0.000 0.000
## .m3 0.000 0.000 0.000fitMeasures(RICLPM_Family_fit, fit.measures = c("chisq","df","pvalue","rmsea","srmr","cfi"))## chisq df pvalue rmsea srmr cfi
## 8.028 3.000 0.045 0.027 0.011 0.999RICLPM_Family_fit_Peers <- lavaan::lavaan(RICLPM_Family,
data = Data,
missing = "fiml",
meanstructure = TRUE,
int.ov.free = TRUE,
group = "Resilience_Peers"
)
summary(RICLPM_Family_fit_Peers, standardized = TRUE)## lavaan 0.6.16 ended normally after 161 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 102
##
## Number of observations per group:
## 1 1103
## 0 1263
## Number of missing patterns per group:
## 1 36
## 0 38
##
## Model Test User Model:
##
## Test statistic 16.870
## Degrees of freedom 6
## P-value (Chi-square) 0.010
## Test statistic for each group:
## 1 11.025
## 0 5.845
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Observed
## Observed information based on Hessian
##
##
## Group 1 [1]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx =~
## a1F 1.000 0.547 0.531
## a2F 1.000 0.547 0.530
## a3F 1.000 0.547 0.548
## RIy =~
## b1 1.000 0.884 0.885
## b2 1.000 0.884 0.885
## b3 1.000 0.884 0.877
## RIz =~
## m1 1.000 0.571 0.568
## m2 1.000 0.571 0.570
## m3 1.000 0.571 0.560
## wx1 =~
## a1F 1.000 0.874 0.848
## wx2 =~
## a2F 1.000 0.875 0.848
## wx3 =~
## a3F 1.000 0.837 0.837
## wy1 =~
## b1 1.000 0.466 0.466
## wy2 =~
## b2 1.000 0.466 0.466
## wy3 =~
## b3 1.000 0.485 0.481
## wz1 =~
## m1 1.000 0.827 0.823
## wz2 =~
## m2 1.000 0.824 0.822
## wz3 =~
## m3 1.000 0.845 0.829
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx2 ~
## wx1 0.097 0.075 1.291 0.197 0.097 0.097
## wy1 -0.322 0.219 -1.470 0.141 -0.171 -0.171
## wz1 0.035 0.081 0.429 0.668 0.033 0.033
## wy2 ~
## wx1 -0.065 0.054 -1.209 0.227 -0.122 -0.122
## wy1 0.022 0.224 0.098 0.922 0.022 0.022
## wz1 -0.039 0.072 -0.548 0.584 -0.070 -0.070
## wz2 ~
## wx1 0.071 0.058 1.220 0.222 0.075 0.075
## wy1 0.031 0.207 0.148 0.882 0.017 0.017
## wz1 0.269 0.097 2.775 0.006 0.270 0.270
## wx3 ~
## wx2 0.138 0.071 1.963 0.050 0.145 0.145
## wy2 0.145 0.145 1.005 0.315 0.081 0.081
## wz2 0.227 0.081 2.807 0.005 0.223 0.223
## wy3 ~
## wx2 -0.091 0.059 -1.551 0.121 -0.164 -0.164
## wy2 0.259 0.124 2.092 0.036 0.249 0.249
## wz2 -0.077 0.069 -1.114 0.265 -0.130 -0.130
## wz3 ~
## wx2 -0.044 0.063 -0.702 0.483 -0.046 -0.046
## wy2 0.003 0.144 0.019 0.984 0.002 0.002
## wz2 0.349 0.095 3.651 0.000 0.340 0.340
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx1 ~~
## wy1 -0.049 0.042 -1.173 0.241 -0.120 -0.120
## wz1 0.107 0.060 1.800 0.072 0.149 0.149
## wy1 ~~
## wz1 -0.044 0.051 -0.870 0.385 -0.115 -0.115
## .wx2 ~~
## .wy2 -0.059 0.046 -1.270 0.204 -0.150 -0.150
## .wz2 0.180 0.046 3.938 0.000 0.267 0.267
## .wy2 ~~
## .wz2 -0.012 0.045 -0.269 0.788 -0.033 -0.033
## .wx3 ~~
## .wy3 -0.026 0.029 -0.899 0.369 -0.073 -0.073
## .wz3 0.187 0.041 4.554 0.000 0.293 0.293
## .wy3 ~~
## .wz3 -0.006 0.029 -0.200 0.841 -0.016 -0.016
## RIx ~~
## RIy 0.082 0.043 1.903 0.057 0.169 0.169
## RIz 0.195 0.057 3.397 0.001 0.623 0.623
## RIy ~~
## RIz 0.033 0.051 0.643 0.520 0.065 0.065
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .a1F 0.024 0.031 0.769 0.442 0.024 0.023
## .a2F -0.026 0.032 -0.804 0.421 -0.026 -0.025
## .a3F 0.039 0.043 0.912 0.362 0.039 0.039
## .b1 -0.015 0.032 -0.469 0.639 -0.015 -0.015
## .b2 -0.032 0.034 -0.938 0.348 -0.032 -0.032
## .b3 -0.019 0.043 -0.437 0.662 -0.019 -0.018
## .m1 -0.033 0.031 -1.062 0.288 -0.033 -0.033
## .m2 -0.041 0.031 -1.308 0.191 -0.041 -0.041
## .m3 0.060 0.043 1.373 0.170 0.060 0.058
## RIx 0.000 0.000 0.000
## RIy 0.000 0.000 0.000
## RIz 0.000 0.000 0.000
## wx1 0.000 0.000 0.000
## .wx2 0.000 0.000 0.000
## .wx3 0.000 0.000 0.000
## wy1 0.000 0.000 0.000
## .wy2 0.000 0.000 0.000
## .wy3 0.000 0.000 0.000
## wz1 0.000 0.000 0.000
## .wz2 0.000 0.000 0.000
## .wz3 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx 0.300 0.061 4.911 0.000 1.000 1.000
## RIy 0.782 0.059 13.314 0.000 1.000 1.000
## RIz 0.326 0.089 3.674 0.000 1.000 1.000
## wx1 0.764 0.067 11.433 0.000 1.000 1.000
## wy1 0.217 0.048 4.515 0.000 1.000 1.000
## wz1 0.683 0.093 7.349 0.000 1.000 1.000
## .wx2 0.730 0.068 10.792 0.000 0.954 0.954
## .wy2 0.212 0.058 3.678 0.000 0.976 0.976
## .wz2 0.623 0.057 10.974 0.000 0.916 0.916
## .wx3 0.638 0.056 11.411 0.000 0.911 0.911
## .wy3 0.203 0.030 6.723 0.000 0.864 0.864
## .wz3 0.636 0.056 11.445 0.000 0.891 0.891
## .a1F 0.000 0.000 0.000
## .a2F 0.000 0.000 0.000
## .a3F 0.000 0.000 0.000
## .b1 0.000 0.000 0.000
## .b2 0.000 0.000 0.000
## .b3 0.000 0.000 0.000
## .m1 0.000 0.000 0.000
## .m2 0.000 0.000 0.000
## .m3 0.000 0.000 0.000
##
##
## Group 2 [0]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx =~
## a1F 1.000 0.511 0.504
## a2F 1.000 0.511 0.496
## a3F 1.000 0.511 0.493
## RIy =~
## b1 1.000 0.863 0.846
## b2 1.000 0.863 0.867
## b3 1.000 0.863 0.866
## RIz =~
## m1 1.000 0.587 0.569
## m2 1.000 0.587 0.589
## m3 1.000 0.587 0.566
## wx1 =~
## a1F 1.000 0.875 0.863
## wx2 =~
## a2F 1.000 0.895 0.868
## wx3 =~
## a3F 1.000 0.903 0.870
## wy1 =~
## b1 1.000 0.544 0.534
## wy2 =~
## b2 1.000 0.496 0.498
## wy3 =~
## b3 1.000 0.497 0.500
## wz1 =~
## m1 1.000 0.848 0.822
## wz2 =~
## m2 1.000 0.804 0.808
## wz3 =~
## m3 1.000 0.855 0.825
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx2 ~
## wx1 0.148 0.082 1.808 0.071 0.145 0.145
## wy1 -0.094 0.184 -0.512 0.609 -0.057 -0.057
## wz1 0.159 0.067 2.355 0.019 0.150 0.150
## wy2 ~
## wx1 -0.029 0.074 -0.394 0.693 -0.052 -0.052
## wy1 0.121 0.310 0.390 0.696 0.133 0.133
## wz1 0.148 0.074 1.993 0.046 0.254 0.254
## wz2 ~
## wx1 0.006 0.064 0.100 0.920 0.007 0.007
## wy1 0.024 0.178 0.134 0.893 0.016 0.016
## wz1 0.177 0.085 2.087 0.037 0.187 0.187
## wx3 ~
## wx2 0.275 0.076 3.622 0.000 0.273 0.273
## wy2 0.092 0.162 0.569 0.569 0.051 0.051
## wz2 0.119 0.080 1.475 0.140 0.106 0.106
## wy3 ~
## wx2 -0.008 0.040 -0.199 0.843 -0.014 -0.014
## wy2 0.685 0.106 6.438 0.000 0.683 0.683
## wz2 0.013 0.046 0.279 0.781 0.021 0.021
## wz3 ~
## wx2 0.013 0.065 0.209 0.835 0.014 0.014
## wy2 0.082 0.157 0.523 0.601 0.048 0.048
## wz2 0.314 0.089 3.533 0.000 0.296 0.296
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx1 ~~
## wy1 -0.048 0.059 -0.812 0.417 -0.101 -0.101
## wz1 0.137 0.059 2.318 0.020 0.184 0.184
## wy1 ~~
## wz1 0.019 0.060 0.320 0.749 0.042 0.042
## .wx2 ~~
## .wy2 -0.005 0.048 -0.103 0.918 -0.012 -0.012
## .wz2 0.218 0.044 4.941 0.000 0.317 0.317
## .wy2 ~~
## .wz2 0.051 0.048 1.060 0.289 0.135 0.135
## .wx3 ~~
## .wy3 0.002 0.022 0.075 0.941 0.005 0.005
## .wz3 0.240 0.040 5.930 0.000 0.347 0.347
## .wy3 ~~
## .wz3 0.006 0.022 0.257 0.797 0.019 0.019
## RIx ~~
## RIy 0.010 0.058 0.168 0.867 0.022 0.022
## RIz 0.170 0.056 3.047 0.002 0.567 0.567
## RIy ~~
## RIz -0.060 0.058 -1.033 0.302 -0.119 -0.119
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .a1F 0.047 0.029 1.632 0.103 0.047 0.046
## .a2F 0.056 0.030 1.864 0.062 0.056 0.054
## .a3F 0.056 0.043 1.315 0.188 0.056 0.054
## .b1 -0.018 0.031 -0.587 0.557 -0.018 -0.018
## .b2 -0.024 0.032 -0.766 0.444 -0.024 -0.024
## .b3 -0.077 0.037 -2.094 0.036 -0.077 -0.077
## .m1 0.056 0.029 1.911 0.056 0.056 0.055
## .m2 0.025 0.029 0.857 0.391 0.025 0.025
## .m3 0.044 0.042 1.038 0.299 0.044 0.042
## RIx 0.000 0.000 0.000
## RIy 0.000 0.000 0.000
## RIz 0.000 0.000 0.000
## wx1 0.000 0.000 0.000
## .wx2 0.000 0.000 0.000
## .wx3 0.000 0.000 0.000
## wy1 0.000 0.000 0.000
## .wy2 0.000 0.000 0.000
## .wy3 0.000 0.000 0.000
## wz1 0.000 0.000 0.000
## .wz2 0.000 0.000 0.000
## .wz3 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx 0.262 0.073 3.594 0.000 1.000 1.000
## RIy 0.744 0.105 7.055 0.000 1.000 1.000
## RIz 0.344 0.073 4.730 0.000 1.000 1.000
## wx1 0.766 0.078 9.846 0.000 1.000 1.000
## wy1 0.296 0.101 2.926 0.003 1.000 1.000
## wz1 0.719 0.077 9.280 0.000 1.000 1.000
## .wx2 0.756 0.060 12.583 0.000 0.944 0.944
## .wy2 0.225 0.085 2.658 0.008 0.916 0.916
## .wz2 0.624 0.060 10.467 0.000 0.964 0.964
## .wx3 0.726 0.057 12.815 0.000 0.890 0.890
## .wy3 0.131 0.015 8.842 0.000 0.529 0.529
## .wz3 0.660 0.052 12.642 0.000 0.902 0.902
## .a1F 0.000 0.000 0.000
## .a2F 0.000 0.000 0.000
## .a3F 0.000 0.000 0.000
## .b1 0.000 0.000 0.000
## .b2 0.000 0.000 0.000
## .b3 0.000 0.000 0.000
## .m1 0.000 0.000 0.000
## .m2 0.000 0.000 0.000
## .m3 0.000 0.000 0.000fitMeasures(RICLPM_Family_fit_Peers, fit.measures = c("chisq","df","pvalue","rmsea","srmr","cfi"))## chisq df pvalue rmsea srmr cfi
## 16.870 6.000 0.010 0.039 0.017 0.997RICLPM_Family_fit_Sex <- lavaan::lavaan(RICLPM_Family,
data = Data,
missing = "fiml",
meanstructure = TRUE,
int.ov.free = TRUE,
group = "Sex"
)
summary(RICLPM_Family_fit_Sex, standardized = TRUE)## lavaan 0.6.16 ended normally after 156 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 102
##
## Number of observations per group:
## 1 1228
## 2 1140
## Number of missing patterns per group:
## 1 42
## 2 34
##
## Model Test User Model:
##
## Test statistic 11.271
## Degrees of freedom 6
## P-value (Chi-square) 0.080
## Test statistic for each group:
## 1 10.375
## 2 0.896
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Observed
## Observed information based on Hessian
##
##
## Group 1 [1]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx =~
## a1F 1.000 0.570 0.548
## a2F 1.000 0.570 0.554
## a3F 1.000 0.570 0.572
## RIy =~
## b1 1.000 0.894 0.898
## b2 1.000 0.894 0.910
## b3 1.000 0.894 0.888
## RIz =~
## m1 1.000 0.596 0.559
## m2 1.000 0.596 0.605
## m3 1.000 0.596 0.642
## wx1 =~
## a1F 1.000 0.870 0.836
## wx2 =~
## a2F 1.000 0.856 0.832
## wx3 =~
## a3F 1.000 0.818 0.820
## wy1 =~
## b1 1.000 0.439 0.440
## wy2 =~
## b2 1.000 0.408 0.415
## wy3 =~
## b3 1.000 0.464 0.460
## wz1 =~
## m1 1.000 0.883 0.829
## wz2 =~
## m2 1.000 0.784 0.796
## wz3 =~
## m3 1.000 0.711 0.766
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx2 ~
## wx1 0.057 0.081 0.695 0.487 0.058 0.058
## wy1 -0.325 0.248 -1.310 0.190 -0.167 -0.167
## wz1 0.076 0.065 1.158 0.247 0.078 0.078
## wy2 ~
## wx1 -0.073 0.064 -1.136 0.256 -0.156 -0.156
## wy1 -0.215 0.269 -0.799 0.424 -0.231 -0.231
## wz1 0.060 0.064 0.931 0.352 0.130 0.130
## wz2 ~
## wx1 0.079 0.054 1.460 0.144 0.087 0.087
## wy1 0.303 0.200 1.512 0.131 0.169 0.169
## wz1 0.216 0.073 2.982 0.003 0.244 0.244
## wx3 ~
## wx2 0.166 0.071 2.338 0.019 0.174 0.174
## wy2 0.282 0.150 1.879 0.060 0.141 0.141
## wz2 0.137 0.086 1.585 0.113 0.131 0.131
## wy3 ~
## wx2 -0.041 0.058 -0.718 0.473 -0.076 -0.076
## wy2 0.259 0.121 2.133 0.033 0.228 0.228
## wz2 0.040 0.070 0.575 0.565 0.068 0.068
## wz3 ~
## wx2 0.007 0.059 0.119 0.905 0.008 0.008
## wy2 0.142 0.132 1.074 0.283 0.082 0.082
## wz2 0.260 0.097 2.681 0.007 0.287 0.287
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx1 ~~
## wy1 -0.049 0.038 -1.293 0.196 -0.129 -0.129
## wz1 0.107 0.052 2.066 0.039 0.139 0.139
## wy1 ~~
## wz1 -0.005 0.043 -0.126 0.900 -0.014 -0.014
## .wx2 ~~
## .wy2 -0.052 0.056 -0.932 0.352 -0.158 -0.158
## .wz2 0.194 0.043 4.536 0.000 0.312 0.312
## .wy2 ~~
## .wz2 0.061 0.046 1.328 0.184 0.211 0.211
## .wx3 ~~
## .wy3 0.002 0.026 0.090 0.928 0.007 0.007
## .wz3 0.160 0.037 4.369 0.000 0.303 0.303
## .wy3 ~~
## .wz3 0.014 0.026 0.547 0.584 0.047 0.047
## RIx ~~
## RIy 0.044 0.039 1.106 0.269 0.086 0.086
## RIz 0.178 0.049 3.654 0.000 0.523 0.523
## RIy ~~
## RIz -0.050 0.042 -1.193 0.233 -0.094 -0.094
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .a1F 0.099 0.030 3.321 0.001 0.099 0.095
## .a2F 0.056 0.031 1.826 0.068 0.056 0.054
## .a3F 0.026 0.041 0.637 0.524 0.026 0.026
## .b1 -0.021 0.030 -0.704 0.481 -0.021 -0.021
## .b2 -0.014 0.032 -0.456 0.648 -0.014 -0.015
## .b3 -0.024 0.040 -0.590 0.555 -0.024 -0.023
## .m1 0.139 0.031 4.483 0.000 0.139 0.130
## .m2 -0.019 0.029 -0.638 0.524 -0.019 -0.019
## .m3 -0.125 0.037 -3.375 0.001 -0.125 -0.135
## RIx 0.000 0.000 0.000
## RIy 0.000 0.000 0.000
## RIz 0.000 0.000 0.000
## wx1 0.000 0.000 0.000
## .wx2 0.000 0.000 0.000
## .wx3 0.000 0.000 0.000
## wy1 0.000 0.000 0.000
## .wy2 0.000 0.000 0.000
## .wy3 0.000 0.000 0.000
## wz1 0.000 0.000 0.000
## .wz2 0.000 0.000 0.000
## .wz3 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx 0.325 0.059 5.551 0.000 1.000 1.000
## RIy 0.800 0.053 15.213 0.000 1.000 1.000
## RIz 0.355 0.072 4.904 0.000 1.000 1.000
## wx1 0.757 0.064 11.773 0.000 1.000 1.000
## wy1 0.192 0.045 4.275 0.000 1.000 1.000
## wz1 0.780 0.076 10.220 0.000 1.000 1.000
## .wx2 0.702 0.069 10.108 0.000 0.959 0.959
## .wy2 0.153 0.067 2.270 0.023 0.920 0.920
## .wz2 0.555 0.055 10.073 0.000 0.903 0.903
## .wx3 0.614 0.054 11.460 0.000 0.919 0.919
## .wy3 0.200 0.027 7.285 0.000 0.931 0.931
## .wz3 0.456 0.047 9.718 0.000 0.902 0.902
## .a1F 0.000 0.000 0.000
## .a2F 0.000 0.000 0.000
## .a3F 0.000 0.000 0.000
## .b1 0.000 0.000 0.000
## .b2 0.000 0.000 0.000
## .b3 0.000 0.000 0.000
## .m1 0.000 0.000 0.000
## .m2 0.000 0.000 0.000
## .m3 0.000 0.000 0.000
##
##
## Group 2 [2]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx =~
## a1F 1.000 0.511 0.513
## a2F 1.000 0.511 0.493
## a3F 1.000 0.511 0.489
## RIy =~
## b1 1.000 0.849 0.823
## b2 1.000 0.849 0.832
## b3 1.000 0.849 0.852
## RIz =~
## m1 1.000 0.653 0.685
## m2 1.000 0.653 0.641
## m3 1.000 0.653 0.593
## wx1 =~
## a1F 1.000 0.856 0.858
## wx2 =~
## a2F 1.000 0.903 0.870
## wx3 =~
## a3F 1.000 0.913 0.872
## wy1 =~
## b1 1.000 0.586 0.568
## wy2 =~
## b2 1.000 0.566 0.555
## wy3 =~
## b3 1.000 0.522 0.524
## wz1 =~
## m1 1.000 0.695 0.729
## wz2 =~
## m2 1.000 0.782 0.768
## wz3 =~
## m3 1.000 0.888 0.806
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx2 ~
## wx1 0.161 0.083 1.946 0.052 0.153 0.153
## wy1 -0.156 0.159 -0.982 0.326 -0.102 -0.102
## wz1 0.130 0.095 1.361 0.174 0.100 0.100
## wy2 ~
## wx1 -0.054 0.061 -0.878 0.380 -0.081 -0.081
## wy1 0.311 0.206 1.508 0.132 0.322 0.322
## wz1 0.049 0.092 0.526 0.599 0.060 0.060
## wz2 ~
## wx1 -0.025 0.069 -0.354 0.723 -0.027 -0.027
## wy1 -0.227 0.167 -1.359 0.174 -0.170 -0.170
## wz1 0.082 0.123 0.665 0.506 0.073 0.073
## wx3 ~
## wx2 0.247 0.076 3.267 0.001 0.244 0.244
## wy2 -0.033 0.149 -0.220 0.826 -0.020 -0.020
## wz2 0.169 0.078 2.168 0.030 0.145 0.145
## wy3 ~
## wx2 -0.069 0.043 -1.608 0.108 -0.120 -0.120
## wy2 0.608 0.101 6.047 0.000 0.659 0.659
## wz2 -0.050 0.049 -1.024 0.306 -0.075 -0.075
## wz3 ~
## wx2 -0.008 0.067 -0.113 0.910 -0.008 -0.008
## wy2 -0.020 0.150 -0.133 0.894 -0.013 -0.013
## wz2 0.274 0.085 3.202 0.001 0.241 0.241
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## wx1 ~~
## wy1 -0.081 0.062 -1.297 0.195 -0.161 -0.161
## wz1 0.085 0.056 1.527 0.127 0.143 0.143
## wy1 ~~
## wz1 -0.039 0.058 -0.670 0.503 -0.095 -0.095
## .wx2 ~~
## .wy2 -0.028 0.041 -0.670 0.503 -0.059 -0.059
## .wz2 0.199 0.048 4.126 0.000 0.295 0.295
## .wy2 ~~
## .wz2 -0.013 0.045 -0.298 0.766 -0.033 -0.033
## .wx3 ~~
## .wy3 -0.015 0.025 -0.572 0.567 -0.045 -0.045
## .wz3 0.252 0.043 5.865 0.000 0.339 0.339
## .wy3 ~~
## .wz3 0.010 0.025 0.398 0.690 0.031 0.031
## RIx ~~
## RIy 0.074 0.062 1.197 0.231 0.171 0.171
## RIz 0.226 0.054 4.152 0.000 0.676 0.676
## RIy ~~
## RIz 0.036 0.059 0.604 0.546 0.064 0.064
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .a1F -0.029 0.030 -0.995 0.320 -0.029 -0.030
## .a2F -0.017 0.032 -0.530 0.596 -0.017 -0.016
## .a3F 0.077 0.045 1.719 0.086 0.077 0.074
## .b1 -0.022 0.032 -0.680 0.497 -0.022 -0.021
## .b2 -0.053 0.034 -1.541 0.123 -0.053 -0.052
## .b3 -0.092 0.039 -2.354 0.019 -0.092 -0.092
## .m1 -0.113 0.029 -3.928 0.000 -0.113 -0.118
## .m2 0.017 0.031 0.529 0.597 0.017 0.016
## .m3 0.250 0.046 5.370 0.000 0.250 0.226
## RIx 0.000 0.000 0.000
## RIy 0.000 0.000 0.000
## RIz 0.000 0.000 0.000
## wx1 0.000 0.000 0.000
## .wx2 0.000 0.000 0.000
## .wx3 0.000 0.000 0.000
## wy1 0.000 0.000 0.000
## .wy2 0.000 0.000 0.000
## .wy3 0.000 0.000 0.000
## wz1 0.000 0.000 0.000
## .wz2 0.000 0.000 0.000
## .wz3 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## RIx 0.261 0.075 3.485 0.000 1.000 1.000
## RIy 0.720 0.100 7.233 0.000 1.000 1.000
## RIz 0.426 0.065 6.561 0.000 1.000 1.000
## wx1 0.733 0.080 9.190 0.000 1.000 1.000
## wy1 0.344 0.094 3.669 0.000 1.000 1.000
## wz1 0.482 0.066 7.291 0.000 1.000 1.000
## .wx2 0.770 0.061 12.713 0.000 0.945 0.945
## .wy2 0.283 0.057 4.924 0.000 0.883 0.883
## .wz2 0.590 0.067 8.759 0.000 0.965 0.965
## .wx3 0.746 0.059 12.587 0.000 0.896 0.896
## .wy3 0.140 0.018 7.783 0.000 0.515 0.515
## .wz3 0.742 0.058 12.854 0.000 0.942 0.942
## .a1F 0.000 0.000 0.000
## .a2F 0.000 0.000 0.000
## .a3F 0.000 0.000 0.000
## .b1 0.000 0.000 0.000
## .b2 0.000 0.000 0.000
## .b3 0.000 0.000 0.000
## .m1 0.000 0.000 0.000
## .m2 0.000 0.000 0.000
## .m3 0.000 0.000 0.000fitMeasures(RICLPM_Family_fit_Sex, fit.measures = c("chisq","df","pvalue","rmsea","srmr","cfi"))## chisq df pvalue rmsea srmr cfi
## 11.271 6.000 0.080 0.027 0.012 0.999Ayla Pollmann - 2024