如何通过Lavaan包获取CFA模型中潜变量的相关系数及描述统计量？

可行性说明 #

完全可行，Lavaan包提供了直接提取这些潜变量统计量的工具，操作起来不复杂。

具体实现方法 #

1. 提取潜变量的均值与标准差 #

先通过lavPredict()获取潜变量的因子得分，再计算对应的均值和标准差：

# 提取所有潜变量的因子得分
latent_scores <- lavPredict(fit_model1, type = "lv")

# 计算均值和标准差并整理成数据框
latent_summary <- data.frame(
  均值 = colMeans(latent_scores),
  标准差 = sapply(latent_scores, sd)
)
print(latent_summary)

2. 提取潜变量间的相关系数 #

有两种简单方式：

• 方式一：从模型拟合结果中提取协方差矩阵并转成相关矩阵
  这是模型估计层面的相关系数，更贴合CFA的模型结果：

# 提取潜变量的协方差矩阵
latent_cov_matrix <- inspect(fit_model1, "cov.lv")
# 转换为相关系数矩阵
latent_cor_matrix <- cov2cor(latent_cov_matrix)
print(latent_cor_matrix)

• 方式二：基于因子得分计算样本相关系数
  这是从因子得分的样本数据层面计算的相关，和常规相关分析逻辑一致：

latent_cor_scores <- cor(latent_scores)
print(latent_cor_scores)

3. 整理成规范表格 #

如果需要输出美观的表格，可以用knitr包的kable()函数：

library(knitr)
# 输出均值标准差表格
kable(latent_summary, caption = "潜变量均值与标准差统计")
# 输出相关系数表格
kable(latent_cor_matrix, caption = "潜变量间相关系数矩阵")

关键注意点 #

• 默认情况下，Lavaan会固定潜变量的均值为0（同时固定第一个观测项的因子载荷为1来识别模型）。如果需要估计潜变量的实际均值，得在模型公式里显式加上潜变量名 ~ 1，比如：

  model1 <- '
    violation =~ va1+va2+va3+va4
    less_safety =~ LS1+LS2+LS3+LS5
    self_efficacy =~ EE1+EE2+EE3+EE4
    self_efficacy ~ violation + less_safety
    # 显式估计潜变量均值
    violation ~ 1
    less_safety ~ 1
    self_efficacy ~ 1
  '
  

  不然提取的均值会都是0，不符合实际需求。

内容的提问来源于stack exchange，提问作者Saidbf