在CFA（Lavaan）中提取观测指标的残差方差

在lavaan中，有两种便捷的方法可以提取观测指标的残差方差，以下结合你的现有代码给出具体实现：

你的现有代码回顾 #

library(lavaan)
library(dplyr)

data(HolzingerSwineford1939) 

# 构建并拟合测量模型
Mes.Mod = ' 
  visual =~ x1 + x2 + x3
  textual =~ x4 + x5 + x6'

mod_cfa = cfa(Mes.Mod, data = HolzingerSwineford1939)

# 提取因子得分至主数据集
idx = lavInspect(mod_cfa, "case.idx")
fscores = lavPredict(mod_cfa)
for(fs in colnames(fscores)) {
  HolzingerSwineford1939[idx, fs] <- fscores[,fs]
}

方法1：提取残差方差矩阵（仅数值） #

使用lavInspect()函数的"residual.var"参数，直接获取观测变量的残差方差矩阵，对角线上的数值即为对应观测指标的残差方差：

# 提取残差方差矩阵
resid_var_matrix <- lavInspect(mod_cfa, "residual.var")

# 转换为易读的数据框格式
resid_var_df <- data.frame(
  观测变量 = rownames(resid_var_matrix),
  残差方差 = diag(resid_var_matrix)
)

print(resid_var_df)

方法2：提取带统计检验的残差方差 #

使用parameterEstimates()函数获取所有模型参数的估计结果，筛选出变量自身协方差（即残差方差）的条目，同时附带标准误、p值等统计信息：

# 获取全部模型参数估计
all_params <- parameterEstimates(mod_cfa)

# 筛选残差方差项（op为~~且lhs等于rhs）
resid_var_stats <- all_params[all_params$op == "~~" & all_params$lhs == all_params$rhs, ]

# 整理为清晰的输出格式
resid_var_stats <- resid_var_stats[, c("lhs", "est", "se", "z", "pvalue")]
colnames(resid_var_stats) <- c("观测变量", "残差方差估计值", "标准误", "z值", "p值")

print(resid_var_stats)

说明 #

• 方法1适合快速获取残差方差的数值结果；
• 方法2适合需要对残差方差进行统计推断的场景，能查看估计值的显著性。

内容的提问来源于stack exchange，提问作者Minnesooota12