路径分析RMSEA=0.00的含义及控制/中介变量添加方法问询

从输出结果可以看到，用户模型的自由度（Degrees of freedom）为0，这说明当前模型是饱和模型：模型中估计的参数数量等于数据中变量的协方差总数，模型完全拟合观测数据，没有残差可以用来评估拟合优度。

这种情况下：

• RMSEA（均方根误差近似值）显示为0.00，因为饱和模型的近似误差为0
• 由于自由度为0，无法计算RMSEA的p值，因此显示为NA
• 同时CFI、TLI为1.000，SRMR为0.000，都是饱和模型的典型特征

饱和模型没有拟合优度的检验意义，因为它必然完美拟合数据，若要评估模型合理性，需要设定带有约束的非饱和模型（比如加入中介路径、限制某些参数为0等）。

加入控制变量 #

控制变量（如数据中的Gender、Education、Income等人口统计学变量）只需添加到回归公式的自变量列表中，用+分隔即可。

示例代码 #

如果所有因变量的控制变量一致，可简化写法：

# 加入Gender、Education作为控制变量
model_with_controls <-"
ML_NC+ML_NS+Preventive ~ TPE+covidconcern+MisinfoEx+CorrectAction + Gender + Education
"
fit_controls <- sem(model_with_controls, data = dataset2)
summary(fit_controls, fit.measures=TRUE, standardized=T, rsquare=T)

如果不同因变量需要不同控制变量，可分开写每个回归式：

model_with_controls <-"
ML_NC ~ TPE+covidconcern+MisinfoEx+CorrectAction + Gender + Education
ML_NS ~ TPE+covidconcern+MisinfoEx+CorrectAction + Gender
Preventive ~ TPE+covidconcern+MisinfoEx+CorrectAction + Income
"

加入中介变量 #

假设要验证某个中介路径（比如TPE通过covidconcern影响ML_NC），需要明确写出直接效应和中介路径的回归关系。

示例代码（部分中介模型） #

model_with_mediator <-"
# 直接效应：自变量对因变量的直接影响
ML_NC ~ TPE + MisinfoEx + CorrectAction + Gender  # 控制变量可选
ML_NS ~ TPE + MisinfoEx + CorrectAction + Gender
Preventive ~ TPE + MisinfoEx + CorrectAction + Gender

# 中介路径：自变量→中介变量，中介变量→因变量
covidconcern ~ TPE + MisinfoEx + CorrectAction + Gender
ML_NC ~ covidconcern
ML_NS ~ covidconcern
Preventive ~ covidconcern
"
# 用bootstrap检验中介效应显著性
fit_mediator <- sem(model_with_mediator, data = dataset2, bootstrap = 1000)
summary(fit_mediator, fit.measures=TRUE, standardized=T, rsquare=T)
# 查看中介效应的bootstrap置信区间
parameterEstimates(fit_mediator, boot.ci.type = "bca.simple")

中介模型属于非饱和模型，会有大于0的自由度，此时RMSEA等拟合指标就可以正常计算了。

内容的提问来源于stack exchange，提问作者Haehae