基于R语言lavaan的SF-12测量模型参数拟合异常咨询

核心原因分析 #

1. 参数识别规则不匹配
   模拟数据与拟合模型的因子识别逻辑（固定载荷为1/固定因子方差为1）不一致时，会导致因子载荷出现系统性偏差。比如模拟时固定因子方差为1，拟合时却默认固定第一个载荷为1，反之亦然。
2. 多组不变性约束遗漏/错误
   若原模型是基于Kwon & Sawatzky(2017)的多组严格不变性，模拟时未施加跨组载荷、阈值、误差方差的相等约束，或拟合时约束规则与模拟不符，会直接引发载荷和协方差偏差。
3. 协方差参数传递错误
   模拟时误将因子相关系数当成协方差传入，或未正确提取原模型的因子协方差矩阵，会导致协方差估计偏差极大。
4. 有序分类变量处理不当
   SF-12条目为有序分类数据，若模拟时生成了连续变量，或拟合时未指定ordered参数，会破坏模型适配性，引发参数偏差。

针对性解决方案 #

1. 校准参数识别规则 #

确保模拟与拟合使用完全一致的识别方式：

• 若模拟时固定因子方差为1，拟合时启用std.lv=TRUE：

  # 模拟时固定因子方差为1的示例
  model <- '
    Physical =~ PF + RP + BP + GH
    Mental =~ VT + SF + RE + MH
  '
  sim_data <- simulateData(model, sample.nobs=1000, std.lv=TRUE)
  # 拟合时保持相同规则
  fit_sim <- cfa(model, data=sim_data, std.lv=TRUE)
  

• 若模拟时固定特定载荷为1，拟合时同步固定同一条目：

  # 模拟时固定PF载荷为1
  lambda <- matrix(c(1, 0.8, 0.7, 0.6, 0, 0, 0, 0, 0.9, 0.8, 0.7, 0.6), ncol=2)
  sim_data <- simulateData(model, sample.nobs=1000, lambda=lambda, std.lv=FALSE)
  # 拟合时对应固定PF载荷为1
  fit_model <- '
    Physical =~ 1*PF + RP + BP + GH
    Mental =~ VT + SF + RE + MH
  '
  fit_sim <- cfa(fit_model, data=sim_data, std.lv=FALSE)
  

2. 严格匹配多组不变性约束 #

复刻Kwon & Sawatzky(2017)的严格不变性设定，模拟与拟合时同步施加约束：

library(lavaan)
# 从二次数据估计基准参数
model <- '
  Physical =~ PF + RP + BP + GH
  Mental =~ VT + SF + RE + MH
'
fit_original <- cfa(model, data=secondary_data, group="group", 
                    group.equal=c("loadings", "intercepts", "thresholds", "residuals"))
# 提取真值参数用于模拟
true_params <- parameterEstimates(fit_original)
# 生成符合严格不变性的模拟数据
sim_data <- simulateData(model, model.type="cfa", parameter=true_params, 
                         sample.nobs=c(500,500), group="group")
# 拟合时施加完全相同的约束
fit_sim <- cfa(model, data=sim_data, group="group", 
               group.equal=c("loadings", "intercepts", "thresholds", "residuals"))

3. 修正协方差参数传递 #

直接提取原模型的因子协方差矩阵用于模拟：

# 从原模型提取因子协方差
cov_factors <- lavInspect(fit_original, "cov.lv")
# 模拟时传入真实协方差
sim_data <- simulateData(model, sample.nobs=1000, cov.lv=cov_factors)

4. 适配有序分类变量处理 #

模拟与拟合时明确指定有序分类属性：

# 从原模型提取条目阈值
thresholds <- lavInspect(fit_original, "thresholds")
# 生成有序分类模拟数据
sim_data <- simulateData(model, sample.nobs=1000, thresholds=thresholds, 
                         categorical=colnames(secondary_data))
# 拟合时标记有序变量
fit_sim <- cfa(model, data=sim_data, ordered=colnames(sim_data))

调试步骤 #

1. 对比模拟数据与二次数据的描述性统计：检查因子得分的均值、方差，以及条目分布是否一致，定位模拟参数的错误。
2. 逐行对比模拟生成参数与拟合估计参数：使用parameterEstimates()提取两者参数，找出偏差最大的参数对应的约束或设定。
3. 简化模型调试：先拟合单组模型验证参数恢复效果，再逐步添加多组不变性约束，定位偏差出现的环节。

内容的提问来源于stack exchange，提问作者Noah