lavaan中测量智力的二阶CFA如何设置年龄与性别控制变量

核心语法与认知误区 #

首先明确lavaan中两类核心算子的功能，避免用错导致控制完全失效：

• ~是回归预测算子：左侧为被解释的内生变量，右侧为解释变量（也就是需要纳入的控制变量），这种写法才能真正把解释变量对被解释变量的效应从剩余变异中剥离，实现“控制”的核心目的。
• ~~是残差协方差算子：仅用于指定两个变量的残差项之间的关联，完全不能实现控制变量的作用。

你之前尝试写的V1 ~~ Age这类代码完全不符合控制设置的逻辑：lavaan默认会自动估计所有外生变量之间的两两协方差，你单独用~~写的这些关联本质是重复指定模型本来就会计算的冗余参数，既不会改变原有CFA的核心估计结果，也根本没有把V1得分中能被年龄、性别解释的变异剔除掉。哪怕模型可以正常运行，最终得到的因子载荷、g因子对中层因子的路径估计，和完全不加入年龄、性别设置的基线模型没有本质差异。

控制变量的绑定位置没有固定标准答案，完全匹配研究理论假设即可 #

在二阶CFA中纳入年龄、性别，本质是通过明确控制变量的作用路径，让最终估计的因子参数反映剔除了系统偏差后的纯净关联。常见的两种符合研究逻辑的设置方案如下：

方案1：控制变量仅作用于顶层通用智力g因子 #

这是智力测量研究中最常用的控制方案，适用场景为：你从理论上认可年龄、性别只会系统性影响整体的通用认知能力g，不会脱离g的作用，直接对某一个单独的测验题项得分产生独立影响。
这种设置下不需要在中层因子、底层观测变量上单独添加控制，只需要保留原有二阶CFA结构，加一行控制路径即可，示例代码：

model.IQ <- '
  att =~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8
  ver =~ V9 + V10 + V11
  mem =~ V12 + V13
  wme =~ V14 + V15
  g =~ att + ver + mem + wme

  # 控制路径：年龄、性别对g因子的解释作用
  g ~ Age + Gender
'

这种写法的优势是模型自由度损失少，对样本量的要求更低，估计稳定性更强。

方案2：控制变量直接作用于所有底层观测变量 #

这种方案的适用场景为：你从理论上认为年龄、性别会独立于智力构念，直接对每一个测验题项的得分产生系统影响——比如年龄增长会导致答题反应速度下降，哪怕被试的工作记忆能力没有差异，反应类题项的得分也会更低；不同性别的被试因为成长环境的差异，在某类常识题上的作答会存在稳定的系统偏差，和本身的言语理解能力无关。
这种设置下需要把年龄、性别作为预测变量，分别回归到每一个底层观测变量上，把这些变量得分中能被年龄、性别解释的部分全部剔除，示例代码：

model.IQ <- '
  att =~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8
  ver =~ V9 + V10 + V11
  mem =~ V12 + V13
  wme =~ V14 + V15
  g =~ att + ver + mem + wme

  # 控制路径：年龄、性别对每一个观测题项的独立影响
  V1 ~ Age + Gender
  V2 ~ Age + Gender
  V3 ~ Age + Gender
  V4 ~ Age + Gender
  V5 ~ Age + Gender
  V6 ~ Age + Gender
  V7 ~ Age + Gender
  V8 ~ Age + Gender
  V9 ~ Age + Gender
  V10 ~ Age + Gender
  V11 ~ Age + Gender
  V12 ~ Age + Gender
  V13 ~ Age + Gender
  V14 ~ Age + Gender
  V15 ~ Age + Gender
'

这种写法的劣势是会占用较多自由度，小样本下容易出现模型拟合不佳、参数估计不稳定的问题，因此需要结合研究场景谨慎选择。

实操注意事项 #

• 不要为了“严谨”无差别选择最复杂的控制路径，控制路径的设置必须和你的研究假设、理论逻辑匹配，而非追求代码的复杂度。
• 无论选择哪种控制方案，都不要使用~~算子来连接控制变量和模型中的其他变量，这是新手最容易踩的语法误区。

内容的提问来源于stack exchange，提问作者diggi2395