# covariance estimate in function sem (Lavaan)

3 messages
Open this post in threaded view
|

## covariance estimate in function sem (Lavaan)

 Dear R users, I have a hard time interpreting the covariances in the parameter estimates output (standardized), even in the example documented (PoliticalDemocracy).  Can anyone tell me if the estimated covariances are residual covariances (unexplained by the model), or the covariances of the observable variables?  I haved checked the data and it does not look like the covariances of the observable variables, however when I tried to find out using simulated data ( with correlated residuals) the estimates did not seem to be the covariance of the residuals either (much much underestimated). Can anyone help? Below is the output: lavaan (0.4-14) converged normally after 70 iterations   Number of observations                            75   Estimator                                         ML   Minimum Function Chi-square                   38.125   Degrees of freedom                                35   P-value                                        0.329 Parameter estimates:   Information                                 Expected   Standard Errors                             Standard                    Estimate  Std.err  Z-value  P(>|z|)   Std.lv  Std.all Latent variables:   Ind60 =~     x1                1.000                               0.670    0.920     x2                2.180    0.139   15.742    0.000    1.460    0.973     x3                1.819    0.152   11.967    0.000    1.218    0.872   Dem60 =~     y1                1.000                               2.223    0.850     y2                1.257    0.182    6.889    0.000    2.794    0.717     y3                1.058    0.151    6.987    0.000    2.351    0.722     y4                1.265    0.145    8.722    0.000    2.812    0.846   Dem65 =~     y5                1.000                               2.103    0.808     y6                1.186    0.169    7.024    0.000    2.493    0.746     y7                1.280    0.160    8.002    0.000    2.691    0.824     y8                1.266    0.158    8.007    0.000    2.662    0.828 Regressions:   Dem60 ~     Ind60             1.483    0.399    3.715    0.000    0.447    0.447   Dem65 ~     Ind60             0.572    0.221    2.586    0.010    0.182    0.182     Dem60             0.837    0.098    8.514    0.000    0.885    0.885 Covariances:   y1 ~~     y5                0.624    0.358    1.741    0.082    0.624    0.296   y2 ~~     y4                1.313    0.702    1.871    0.061    1.313    0.273     y6                2.153    0.734    2.934    0.003    2.153    0.356   y3 ~~     y7                0.795    0.608    1.308    0.191    0.795    0.191   y4 ~~     y8                0.348    0.442    0.787    0.431    0.348    0.109   y6 ~~     y8                1.356    0.568    2.386    0.017    1.356    0.338 Variances:     x1                0.082    0.019                      0.082    0.154     x2                0.120    0.070                      0.120    0.053     x3                0.467    0.090                      0.467    0.239     y1                1.891    0.444                      1.891    0.277     y2                7.373    1.374                      7.373    0.486     y3                5.067    0.952                      5.067    0.478     y4                3.148    0.739                      3.148    0.285     y5                2.351    0.480                      2.351    0.347     y6                4.954    0.914                      4.954    0.443     y7                3.431    0.713                      3.431    0.322     y8                3.254    0.695                      3.254    0.315     Ind60             0.448    0.087                      1.000    1.000     Dem60             3.956    0.921                      0.800    0.800     Dem65             0.172    0.215                      0.039    0.039