如何可视化含三阶因子的复杂双因子SEM？R语言布局问题求解

问题背景 #

用lavaan拟合了包含三阶因子（AUTOREGULACION）、3个二阶因子（PLANIFICACION、EJECUCION、AUTOEVALUACION）和11个一阶因子的复杂嵌套SEM，模型代码如下：

model_AF <- '
  # First Order Factors
  F1 =~ P3 + P4 + P9 + P10 + P13 + P14 + P15 + P20
  F2 =~ P6 + P8 + P11 + P12 + P16 + P17 + P18 + P19 + P22 + P26
  F3 =~ P1 + P2 + P5 + P7
  F4 =~ P21 + P23 + P24 + P25
  F5 =~ P27 + P28 + P29 + P30 + P31 + P33 + P40
  F6 =~ P34 + P37 + P39 + P41 + P43
  F7 =~ P36 + P38 + P42 + P44
  F8 =~ P32 + P35
  F9 =~ P50 + P51 + P52 + P53 + P54 + P55 + P56 + P57 + P58 + P58 + P59
  F10 =~ P45 + P46 + P47 + P48 + P49 + P61
  F11 =~ P60 + P62

  # Second Order Factors
  PLANIFICACION =~ 1*F1 + 1*F2 + 1*F3 + 1*F4
  EJECUCION =~ 1*F5 + 1*F6 + 1*F7 + 1*F8
  AUTOEVALUACION =~ 1*F9 + 1*F10 + 1*F11

  # Third Order Factor
  AUTOREGULACION =~ 1*PLANIFICACION + 1*EJECUCION + 1*AUTOEVALUACION
  AUTOREGULACION ~~ AUTOREGULACION
'

model_fit <- cfa(model_AF, data = base, orthogonal = FALSE)

使用semPlot::semPaths()时，仅二阶因子能正常展示，加入三阶因子后布局混乱，失去层级结构。

优化semPlot参数的可行方案 #

1. 调整布局与旋转参数 #

替换默认的layout="tree"为layout="tree2"，配合rotation=1（纵向层级）或rotation=0（横向层级），更适配嵌套结构：

semPaths(model_fit, whatLabels="est", layout="tree2", rotation=1, 
         node.width=0.8, node.height=0.8, label.cex=0.7)

若用layout="spring"，可通过repulsion参数增大节点间距，避免重叠：

semPaths(model_fit, whatLabels="est", layout="spring", repulsion=2, 
         edge.label.cex=0.6)

2. 分阶段隐藏元素 #

先隐藏观测变量，只展示因子层级，确认结构清晰后再逐步添加：

# 先看因子层级
semPaths(model_fit, whatLabels="est", layout="tree2", rotation=1, 
         hide=c("manifests"))
# 确认后添加观测变量，缩小标签字号
semPaths(model_fit, whatLabels="est", layout="tree2", rotation=1, 
         label.cex=0.6, edge.label.cex=0.5)

3. 手动指定分组与位置 #

用groups参数给二阶因子对应的一阶因子分组，帮助布局识别结构：

semPaths(model_fit, whatLabels="est", layout="tree2", rotation=1, 
         groups=list(PLANIFICACION=c("F1","F2","F3","F4"), 
                     EJECUCION=c("F5","F6","F7","F8"), 
                     AUTOEVALUACION=c("F9","F10","F11")),
         groupColors=c("#E69F00", "#56B4E9", "#009E73"))

也可通过pos参数手动固定三阶、二阶因子的坐标，强制层级：

# 自定义坐标：x轴横向，y轴纵向
pos_list <- list(
  AUTOREGULACION = c(0, 10),
  PLANIFICACION = c(-6, 5),
  EJECUCION = c(0, 5),
  AUTOEVALUACION = c(6, 5)
)
semPaths(model_fit, whatLabels="est", pos=pos_list, 
         label.cex=0.7, edge.label.cex=0.6)

替代R包方案 #

1. ggsem（基于ggplot2，灵活自定义） #

支持分层布局，可精准控制每个层级的样式，适合复杂嵌套结构：

library(ggsem)
# 先提取因子层级关系
ggsem_paths(model_fit) +
  geom_sem_node(aes(color = type), size = 4) +
  geom_sem_path(aes(color = type), arrow = arrow(length = unit(0.1, "cm"))) +
  scale_color_manual(values = c("factor" = "#2E86AB", "third_order" = "#F24C00")) +
  theme_minimal()

2. DiagrammeR（完全手动控制，精准排版） #

用Graphviz语法绘制，适合需要严格层级的场景，示例代码：

library(DiagrammeR)
grViz("
digraph SEM {
  graph [rankdir=TB, splines=line, nodesep=0.8, ranksep=1.2]
  
  # 三阶因子
  AUTOREGULACION [shape=ellipse, style=filled, color=#F24C00, fontname=Arial]
  
  # 二阶因子
  PLANIFICACION [shape=ellipse, style=filled, color=#2E86AB, fontname=Arial]
  EJECUCION [shape=ellipse, style=filled, color=#2E86AB, fontname=Arial]
  AUTOEVALUACION [shape=ellipse, style=filled, color=#2E86AB, fontname=Arial]
  
  # 一阶因子分组
  subgraph cluster_plan {
    label='PLANIFICACION'
    style=dashed
    F1 F2 F3 F4 [shape=ellipse, fontname=Arial]
  }
  subgraph cluster_ejec {
    label='EJECUCION'
    style=dashed
    F5 F6 F7 F8 [shape=ellipse, fontname=Arial]
  }
  subgraph cluster_autoeval {
    label='AUTOEVALUACION'
    style=dashed
    F9 F10 F11 [shape=ellipse, fontname=Arial]
  }
  
  # 连接关系
  AUTOREGULACION -> PLANIFICACION
  AUTOREGULACION -> EJECUCION
  AUTOREGULACION -> AUTOEVALUACION
  
  PLANIFICACION -> F1 F2 F3 F4
  EJECUCION -> F5 F6 F7 F8
  AUTOEVALUACION -> F9 F10 F11
}
")

3. lavaanPlot（专为lavaan设计，自动分层） #

自动识别因子层级，支持展示路径系数，使用简便：

library(lavaanPlot)
lavaanPlot(model = model_fit, 
           node_options = list(shape = "ellipse", fontname = "Arial"),
           edge_options = list(color = "gray"),
           coefs = TRUE,
           factors = c("AUTOREGULACION", "PLANIFICACION", "EJECUCION", "AUTOEVALUACION", paste0("F",1:11)),
           stand=TRUE)

可视化最佳实践 #

• 分阶段展示：先画因子层级（隐藏观测变量），确认结构后再添加观测变量，避免信息过载
• 分组聚类：用颜色、边框将同属一个二阶因子的一阶因子归为一组，强化层级感知
• 简化内容：只展示显著路径系数，缩小标签字号，必要时拆分图表——比如分别展示每个二阶因子下的一阶结构，再单独绘制三阶-二阶的层级关系
• 手动微调：自动布局难以完美适配复杂模型，结合手动指定节点位置的工具，确保结构清晰易读

内容的提问来源于stack exchange，提问作者forest biotech