如何正确计算lavaan（SEM/CFA）输出中的标准化系数？

明确两种标准化系数的差异 #

lavaan输出的标准化系数分两种，计算逻辑完全不同：

• Std.lv：仅对潜变量进行标准化（将潜变量方差缩放为1），观测变量保留原始尺度。计算方式为：原始载荷 × 潜变量标准差，这也是你已经验证正确的逻辑。
• Std.all：对所有变量（潜变量+观测变量）进行标准化，即所有变量转换为均值0、方差1的z分数后得到的系数。这需要结合观测变量的总方差计算，而非仅用残差方差。

Std.all的正确手动计算方法 #

观测变量的总方差由两部分组成：潜变量解释的方差 + 残差方差，公式为：
Var(x) = (原始载荷)² × 潜变量方差 + 残差方差

Std.all的计算公式为：
Std.all = (原始载荷 × 潜变量标准差) / sqrt(Var(x))
或者等价于：
Std.all = 原始载荷 × sqrt(潜变量方差 / Var(x))

用HolzingerSwineford1939数据验证 #

以你提到的x2为例：

1. 原始载荷λ = 0.554
2. 潜变量方差Var(ξ) = 0.809 → 潜变量标准差σ_ξ = sqrt(0.809) ≈ 0.899
3. 若模型估计的x2残差方差对应Std.all=0.424，反推观测变量总方差：
   sqrt(Var(x2)) = (0.554×0.899)/0.424 ≈ 1.174
   则Var(x2) = 1.174² ≈ 1.378，残差方差Var(ε) = 1.378 - (0.554)²×0.809 ≈ 1.13
4. 代入公式计算：0.554×0.899 / 1.174 ≈ 0.424，与输出完全一致。

核心是：**必须使用模型估计的观测变量总方差（而非原始数据的方差或仅残差方差）**来计算Std.all。

SEM场景的通用解决方法 #

SEM中Std.all的计算逻辑和CFA完全一致：

• 观测变量与潜变量的路径：原始路径系数 × 潜变量标准差 / 观测变量总标准差（观测变量总标准差=sqrt(模型估计的观测变量总方差)）
• 潜变量之间的路径：原始路径系数 × 自变量潜变量标准差 / 因变量潜变量标准差
• 观测变量之间的路径（若有）：原始路径系数 × 自变量观测变量标准差 / 因变量观测变量标准差

所有计算都基于模型隐含的协方差矩阵中的方差，而非原始数据的方差，这是避免计算偏差的关键。

快速验证技巧 #

如果你不确定计算是否正确，可以直接提取lavaan模型的标准化协方差矩阵：

lavInspect(fit, "standardized")$cov

潜变量与观测变量之间的相关系数，就等于Std.all的因子载荷（标准化后相关系数等于回归系数）。

内容的提问来源于stack exchange，提问作者Maverick Meerkat