使用lavaan调用summary()请求rsquare时出现‘行名含缺失值’错误

问题背景 #

使用lavaan对大规模、含缺失值的杂乱数据集做回归分析（用FIML处理缺失），parameterEstimates()和standardizedSolution()的结果已通过SPSS、lm()交叉验证确认正确，但调用summary()或parameterEstimates(rsquare = TRUE)时持续触发报错：

error in data.frame(lhs = NAMES, op = rep("r2", nel(, rhs = NAMES, block = block, : row names contain missing values.

手动检查数据集行名无缺失，但小数据集（如作业示例、500条子样本）下lavaan功能正常。

可能的报错原因 #

1. 变量名存在异常字符：变量名含空白、全角符号、隐形控制字符（如非打印Unicode字符），lavaan在生成R²结果数据框时，这类字符会导致行名处理逻辑异常，即使表面上行名无缺失。
2. 极端缺失模式变量干扰：数据集中存在完全缺失（缺失率100%）或近乎完全缺失的变量，FIML处理这类变量时，内部计算生成的临时标识可能出现隐性缺失，触发报错。
3. 重复变量名：存在重名变量，lavaan在生成R²条目时无法生成唯一行名，导致行名逻辑冲突。

解决办法 #

1. 清理变量名 #

• 检查变量名中的异常字符：用stringi::stri_escape_unicode(names(your_data))显示所有隐形字符，定位问题变量。
• 批量标准化变量名：

  # 生成合法、唯一的变量名，自动替换特殊字符和重复名
  names(your_data) <- make.names(names(your_data), unique = TRUE)
  

  之后重新拟合模型，再尝试调用报错的函数。

2. 排查并移除极端缺失变量 #

• 计算各变量缺失比例：

  miss_prop <- colMeans(is.na(your_data))
  # 查看缺失比例超过99%的变量
  print(names(miss_prop)[miss_prop > 0.99])
  

• 删除完全缺失或近乎完全缺失的变量：

  your_data_clean <- your_data[, miss_prop < 0.99]
  

  用清理后的数据集重新拟合模型。

3. 手动计算R²（临时替代方案） #

如果上述方法暂时无效，可绕过lavaan的内置R²计算，用标准化系数手动计算：

# 提取标准化回归系数
std_results <- standardizedSolution(your_fit)
reg_coefs <- std_results[std_results$op == "~", "est.std"]
# 计算R²（单因变量回归场景）
r2_value <- sum(reg_coefs^2)

4. 尝试lavaan开发版 #

正式版可能存在边缘场景的bug，安装开发版修复：

# 先安装devtools（若未安装）
install.packages("devtools")
# 安装lavaan开发版
devtools::install_github("yrosseel/lavaan")

重启R后重新拟合模型测试。

内容的提问来源于stack exchange，提问作者ltbcats