Lavaan中有序-连续变量交互项的调节中介分析解决方案问询

问题描述 #

我正在用lavaan开展调节中介分析，其中中介变量是3个水平（0、1、2）的有序变量，其余变量均为连续变量。由于lavaan无法直接处理有序变量与连续变量的交互项，我在排查可行解决办法：

• 有人建议将该有序变量视为伪连续变量，但因仅3个水平，担心受到审稿人质疑。
• 我考虑在模型外将该有序变量（当作连续变量处理）与连续变量构建交互项，再将其纳入模型，同时在模型中保留有序变量的有序属性。请问这种做法是否存在问题？还有其他可行建议吗？

附原代码：

data$int <- data$ordinal_cont * data$continuous
data[, "ordinal"] <- lapply(data["ordinal"], ordered)

model <- '
L1 =~ X1 + X2 + X3 
L2 =~ Z1 + Z2 + Z3

L1 ~ a*L2 + c*Continuous + d*Ordinal + e*int
ordinal ~ b*L2

ab := a*b 

L2 ~~ Continuous
L2 ~~ ordinal
Continuous ~~ ordinal
'
fit <- sem(model,
            se = "bootstrap",
            bootstrap = 2000,
            data = data,
            parallel = "snow",
            ncpus = 8,
            ordered = "pubertal_onset",
            estimator = "DWLS")

解答 #

一、你提出的做法的核心问题 #

这种“模型外构建交互项+模型内保留有序属性”的方式存在逻辑矛盾：

1. 交互项int是基于“有序变量为连续变量”的假设计算的，但模型中又将ordinal作为有序变量处理，相当于对同一个变量同时采用了两种测量假设，会导致参数估计逻辑不一致，结果的解释性和可靠性都会受影响。
2. 本质上和直接将有序变量当作伪连续变量的问题一致——忽略了有序变量是潜在连续特质的分类截断值这一属性，依然可能被审稿人质疑。

二、可行替代方案 #

1. 多组分析模拟调节效应

将有序中介变量的3个水平作为分组变量，把样本分成3组，分别在每组中拟合中介模型，通过比较组间路径系数的差异来检验调节效应（即连续调节变量对中介路径的影响）。

• 优势：完全保留有序变量的分类属性，无需构建交互项，逻辑严谨。
• 注意：需检验组间模型的拟合度差异，确保分组后模型具有可比性；若总样本量较小，分组后可能出现单组样本量不足的问题。

2. 基于潜在连续变量构建交互项

利用lavaan的阈值模型，先将有序变量转化为潜在的连续特质变量，再用该潜在变量与调节变量构建交互项，纳入调节中介模型。
示例代码思路：

model <- '
  # 潜变量定义
  L1 =~ X1 + X2 + X3 
  L2 =~ Z1 + Z2 + Z3
  # 有序变量的潜在连续变量（latent_ordinal）
  ordinal ~ 1*latent_ordinal  # 固定截距，由阈值模型估计潜在变量
  # 构建潜在变量与连续调节变量的交互项
  int := latent_ordinal * Continuous
  # 调节中介路径
  L1 ~ a*L2 + c*Continuous + d*latent_ordinal + e*int
  latent_ordinal ~ b*L2
  # 间接效应
  ab := a*b
  # 协方差设定
  L2 ~~ Continuous
  L2 ~~ latent_ordinal
  Continuous ~~ latent_ordinal
'
fit <- sem(model,
           se = "bootstrap",
           bootstrap = 2000,
           data = data,
           parallel = "snow",
           ncpus = 8,
           ordered = "ordinal",  # 声明ordinal为有序变量
           estimator = "DWLS")

• 优势：既保留有序变量的潜在连续特质，又能合理构建交互项，符合测量逻辑。
• 注意：需确保有序变量的阈值模型拟合良好，交互项的解释要基于潜在连续特质，而非观测的分类水平。

3. 谨慎使用伪连续变量（附审稿应对策略）

若坚持将有序变量当作伪连续变量处理，可通过以下内容回应审稿质疑：

• 报告有序变量的类别分布，若类别间距相对均匀（如0、1、2代表程度递增且逻辑间距合理），说明处理的合理性；
• 做稳健性检验：同时用多组分析结果与伪连续变量结果对比，若结论一致，可增强可靠性；
• 引用相关文献中类似处理3水平有序变量的案例，支撑做法的合理性。

三、原代码修正建议 #

原代码中ordered = "pubertal_onset"与定义的有序变量ordinal不一致，需修正为ordered = "ordinal"，避免模型识别错误。

内容的提问来源于stack exchange，提问作者Clare McCann