在lavaan中使用名义自变量构建CFA/SEM模型的识别问题求助

核心错误 #

你把观测的二分名义变量（SPOL、DRUZ_PODJ）错误定义成了潜变量（代码中Spol=~SPOL、Druz_podj=~DRUZ_PODJ这两行）。这类变量是直接观测到的分类变量，不需要用潜因子的方式建模：

• 单个观测变量无法支撑一个潜因子的识别（因子载荷和因子方差无法同时估计，自由度为负），这直接导致整个模型出现识别问题，进而引发信息矩阵无法反转、潜变量协方差矩阵非正定等警告。
• 移除这两个变量后模型正常运行，也验证了问题根源就在这两行错误的潜变量定义。

关于变量类型的疑问 #

把SPOL和DRUZ_PODJ转成数值型二分变量（0/1、1/2）不能解决根本问题，因为错误本质是建模方式，而非变量类型。lavaan可以直接处理factor类型的名义变量，会自动生成虚拟变量用于分析，无需手动转换。

正确建模方式 #

根据你的研究需求（将这两个变量作为控制变量），有两种常见的正确处理方式：

1. 控制变量预测潜变量 #

如果需要控制性别、创业家庭背景对其他潜变量的影响，在模型中加入回归语句，将观测变量作为协变量预测潜变量：

m_whole_c <- '
      # 测量模型部分保持不变
      SPOT=~SPOT1+SPOT2+SPOT3+SPOT4
      MOTIV=~MOTIV1+MOTIV2+MOTIV3+MOTIV4+MOTIV5
      WORK=~WORK1+WORK2+WORK3
      EC=~1*SPOT+1*MOTIV+1*WORK
      EC~~EC
      
      EAg=~EA1+EA3+EA4+EA5
      EAg~~EAg

      ESEg=~ESE1+ESE2+ESE3
      ESEg~~ESEg
      
      EA_2=~1*EA2
      EA_2~~EA_2
      
      # 控制变量：观测变量预测潜变量（按需调整要控制的潜变量）
      SPOT ~ SPOL + DRUZ_PODJ
      MOTIV ~ SPOL + DRUZ_PODJ
      WORK ~ SPOL + DRUZ_PODJ
'

# 使用sem()函数（因为加入了回归关系，超出纯CFA范畴）
whole_m <- sem(m_whole_c, data = df1)
summary(whole_m, fit.measures = T, standardized = T)

2. 控制变量预测非潜因变量 #

如果你的研究目标是让潜变量+控制变量共同预测那个非潜因变量（你提到的“非潜因变量”未在当前代码中体现），直接在模型中加入因变量的预测方程：

m_whole_c <- '
      # 测量模型部分保持不变
      SPOT=~SPOT1+SPOT2+SPOT3+SPOT4
      MOTIV=~MOTIV1+MOTIV2+MOTIV3+MOTIV4+MOTIV5
      WORK=~WORK1+WORK2+WORK3
      EC=~1*SPOT+1*MOTIV+1*WORK
      EC~~EC
      
      EAg=~EA1+EA3+EA4+EA5
      EAg~~EAg

      ESEg=~ESE1+ESE2+ESE3
      ESEg~~ESEg
      
      EA_2=~1*EA2
      EA_2~~EA_2
      
      # 非潜因变量预测（替换Y为你的实际因变量名）
      Y ~ SPOT + MOTIV + WORK + SPOL + DRUZ_PODJ
'

whole_m <- sem(m_whole_c, data = df1)
summary(whole_m, fit.measures = T, standardized = T)

3. 控制潜变量均值差异（可选） #

如果需要控制性别、家庭背景对潜变量均值的影响，开启均值结构分析：

m_whole_c <- '
      # 测量模型部分保持不变
      SPOT=~SPOT1+SPOT2+SPOT3+SPOT4
      MOTIV=~MOTIV1+MOTIV2+MOTIV3+MOTIV4+MOTIV5
      WORK=~WORK1+WORK2+WORK3
      EC=~1*SPOT+1*MOTIV+1*WORK
      EC~~EC
      
      EAg=~EA1+EA3+EA4+EA5
      EAg~~EAg

      ESEg=~ESE1+ESE2+ESE3
      ESEg~~ESEg
      
      EA_2=~1*EA2
      EA_2~~EA_2
      
      # 均值结构：控制变量影响潜变量均值
      SPOT ~ 1 + SPOL + DRUZ_PODJ
      MOTIV ~ 1 + SPOL + DRUZ_PODJ
'

whole_m <- sem(m_whole_c, data = df1, meanstructure = TRUE)
summary(whole_m, fit.measures = T, standardized = T)

内容的提问来源于stack exchange，提问作者Janez Gorenc