如何在R中实现双因子ESEM？是否仅能在MPlus中完成？

核心解决方案：用lavaan包嵌套ESEM结构实现双因子模型 #

你之前直接调用lavaan::efa()仅得到单水平因子，是因为该函数仅支持常规EFA；双因子ESEM需要在CFA框架下同时指定一般因子和带旋转的特定因子组，具体实现如下：

1. 基础双因子ESEM拟合语法（以5个特定因子为例） #

针对190个项目、WLSMV估计器、Bigeomin旋转的需求，模型需明确一般因子加载所有项目，特定因子组通过efa()函数启用交叉载荷与旋转：

library(lavaan)

# 定义双因子ESEM模型
bifactor_esem_model <- '
  # 一般因子：加载全部190个项目
  g =~ item1 + item2 + ... + item190
  
  # 特定因子组：用ESEM指定，启用Bigeomin斜交旋转
  f1-f5 =~ efa("bigeomin")*item1 + efa("bigeomin")*item2 + ... + efa("bigeomin")*item190
'

# 拟合模型（适配分类数据的WLSMV估计器）
fit <- cfa(
  model = bifactor_esem_model,
  data = your_data, # 替换为你的数据集名称
  estimator = "WLSMV",
  rotation = "bigeomin", # 针对特定因子的旋转设置
  orthogonal = FALSE, # Bigeomin为斜交旋转，需关闭正交约束
  std.lv = TRUE, # 标准化潜变量载荷，便于解读
  verbose = FALSE # 项目数多可关闭冗余输出加速拟合
)

# 查看结果（含一般因子、特定因子载荷及拟合指数）
summary(fit, fit.measures = TRUE, standardized = TRUE)

2. 批量尝试不同特定因子数量（确定最优模型） #

通过循环生成不同特定因子数的模型，对比拟合指数（CFI、TLI、RMSEA、AIC、BIC等）筛选最优解：

# 定义要测试的特定因子数量范围（示例：3-8个）
test_factors <- 3:8
fit_results <- list()
fit_stats <- data.frame()

for(k in test_factors){
  # 动态生成模型语法
  model_text <- paste0('
    g =~ ', paste0("item", 1:190, collapse = " + "), '
    f1-', paste0("f", k), ' =~ efa("bigeomin")*', paste0("item", 1:190, collapse = " + "), '
  ')
  
  # 拟合模型
  current_fit <- cfa(
    model = model_text,
    data = your_data,
    estimator = "WLSMV",
    rotation = "bigeomin",
    orthogonal = FALSE,
    std.lv = TRUE,
    verbose = FALSE
  )
  
  # 保存拟合结果与统计量
  fit_results[[paste0("k=", k)]] <- current_fit
  stats <- fitMeasures(current_fit, c("cfi", "tli", "rmsea", "srmr", "aic", "bic"))
  fit_stats <- rbind(fit_stats, data.frame(n_specific = k, t(stats)))
}

# 输出拟合指数对比表
print(fit_stats, row.names = FALSE)

关键说明 #

• 双因子ESEM的核心是在CFA模型中嵌套ESEM特定因子，而非单独使用efa()函数，这样才能同时估计一般因子与带交叉载荷的特定因子。
• Bigeomin旋转仅作用于特定因子组，一般因子保持固定载荷结构（无旋转）。
• 190个项目+2000样本量的组合，拟合耗时可能较长，可考虑启用parallel = TRUE（需提前加载parallel包）利用多线程加速。

内容的提问来源于stack exchange，提问作者Dani Broxy