lavPredict潜变量估计值与问卷总分差异原因及标准化疑问

为什么潜变量估计值和问卷原始总分差异巨大？ #

• 两者计算逻辑完全不同：
  • 问卷原始总分是直接将对应题目得分简单相加，默认所有题目对潜变量的贡献权重完全一致，本质是等权重求和。
  • lavPredict输出的是模型估计的因子得分，它会依据模型中每个题目的因子载荷（即题目对潜变量的实际贡献权重）进行加权计算，同时还会纳入模型的误差项、潜变量的分布假设进行调整，和原始总分的计算逻辑没有直接关联。

lavPredict的输出是否经过标准化处理？ #

• 默认情况下，lavPredict输出的潜变量得分是标准化后的结果（均值为0，方差为1），这就是你看到得分集中在0附近、数值远小于原始总分的核心原因。
• 如果需要得到和原始总分尺度更接近的未标准化得分，可以在调用函数时指定参数type = "lv"，但前提是你的模型已经通过固定指标载荷（比如固定第一个题目的载荷为1）或固定潜变量方差的方式，设定了潜变量的原始尺度。

代码示例调整 #

# 获取未标准化的潜变量得分（需模型已设定潜变量尺度）
factor_values_unstandardized <- lavPredict(fit, type = "lv")

你的案例中，原始总分在122-142区间，而lavPredict输出的得分在-0.03到0.18之间，这完全符合标准化得分的特征——所有得分围绕均值0波动，方差被缩放到1，因此和原始总分的数值范围没有可比性。

内容的提问来源于stack exchange，提问作者HHKK