如何在R中使用lavaan构建含二分类结局的潜增长曲线模型？

• 核心逻辑：growth()函数默认适配连续结局，二分类变量需要明确指定链接函数与适配的估计方法，建议改用lavaan通用的cfa()函数手动定义增长模型结构，更灵活。

• 具体语法调整步骤：

  1. 手动定义潜增长因子（截距i、斜率s），指定各时间点结局变量的载荷（截距因子载荷全为1，斜率因子按时间编码设置，比如0,1,2,3）。
  2. 添加时间不变协变量对截距、斜率的预测路径。
  3. 在模型拟合时指定family = "binomial"（logit链接，默认）或family = "binomial(probit)"，同时选择适合分类变量的估计方法（如WLSMV或MLR）。

• 示例代码：

  # 假设4个时间点的二分类结局为y1-y4，时间不变协变量为x1、x2
  lgc_model <- '
    # 定义潜增长因子
    i =~ 1*y1 + 1*y2 + 1*y3 + 1*y4  # 截距因子，固定载荷为1
    s =~ 0*y1 + 1*y2 + 2*y3 + 3*y4  # 斜率因子，时间编码可自定义
    
    # 协变量预测潜因子
    i ~ x1 + x2
    s ~ x1 + x2
  '
  
  # 拟合模型，指定二分类变量与估计方法
  fit <- cfa(lgc_model, 
             data = your_dataset, 
             family = "binomial", 
             estimator = "WLSMV")
  
  # 输出结果
  summary(fit, fit.measures = TRUE, standardized = TRUE)
  

• 重要提示：

  • WLSMV是分类潜增长模型的首选估计方法，在小样本或变量分布偏离正态时表现更稳健；MLR也可使用，但适合大样本场景。
  • 二分类变量的残差方差会由链接函数自动约束，无需手动设置，模型语法中可以省略残差方差的定义。

内容的提问来源于stack exchange，提问作者maudib528