如何用lavaan复现Friedman(2008)的复杂CFA模型？

1. 两种方法的适用性 #

• cfa()：完全适合。你要复现的是单水平双因子CFA模型，cfa()是lavaan中专门用于验证性因子分析的函数，只要模型设定正确，就能直接拟合目标模型。
• sem()的level语法：不适合。level语法是用于拟合多水平SEM模型的（比如嵌套数据：学生→班级），而Friedman(2008)的模型是单水平结构，不需要用到多水平设置，这个方向从一开始就错了。

2. cfa()无法计算标准误的原因及模型可信度 #

• 核心问题是模型未识别，导致标准误无法计算。未识别的常见原因：
  • 参数约束不足：双因子模型需要明确约束：每个潜变量至少固定1个载荷为1（lavaan默认会固定每个因子的第一个载荷为1，但如果你的模型设定中存在参数冗余或约束缺失，比如未限制特定因子与共同因子、特定因子之间的相关性，就会导致识别失败）。
  • 参数数量超过观测信息：9个观测变量的协方差矩阵有45个独立元素，若自由估计的参数数量超过45，会出现负自由度，直接导致模型未识别。
• 未识别模型的参数估计完全不可信，因为存在无数组参数都能拟合当前数据，结果没有统计意义。

3. sem()中cluster参数的设置 #

cluster参数仅用于嵌套/分层数据（比如同一被试的重复测量数据、被试嵌套在群体中），需要指定聚类变量（如班级ID、被试ID）。但你的目标模型是单水平CFA，模拟数据若为独立被试的单条记录，完全不需要设置cluster参数，用sem()拟合单水平模型和cfa()的逻辑一致，只是cfa()更针对性。

4. 最优方法及修改方案 #

优先使用cfa()，语法更简洁且适配CFA场景，需要做以下修改：

• 正确设定双因子模型语法：明确每个观测变量的载荷关系，同时约束因子间的相关性（双因子模型的标准设定是共同因子与特定因子、特定因子之间不相关），示例语法如下：

  # 假设9个变量中，var1-3属于更新任务，var4-6属于转换任务，var7-9仅加载到共同因子
  friedman_model <- '
    # 共同因子
    common =~ var1 + var2 + var3 + var4 + var5 + var6 + var7 + var8 + var9
    # 更新特定因子
    updating_specific =~ var1 + var2 + var3
    # 转换特定因子
    shifting_specific =~ var4 + var5 + var6
    
    # 关键约束：因子间不相关
    common ~~ 0*updating_specific
    common ~~ 0*shifting_specific
    updating_specific ~~ 0*shifting_specific
  '
  

• 确保模型识别：lavaan默认会固定每个因子的第一个载荷为1，满足识别要求；若你手动调整了载荷固定方式，需保证每个潜变量至少有1个固定载荷。
• 检查模拟数据的生成逻辑：生成数据时要严格匹配双因子结构，比如按照设定的载荷、因子方差、残差方差生成，避免数据本身不符合模型导致的拟合问题。

内容的提问来源于stack exchange，提问作者jbrimm2004