CFA模型出现零方差因子问题求助：TRIfactor模型参数异常咨询

Hey Steve, 我来帮你拆解下这个问题——在双因子模型（也就是你构建的TRIfactor模型）里遇到某个基础因子方差估计为0的情况，通常是模型识别、数据特征或者设定逻辑上出了小状况，下面是几个常见原因和对应的排查建议：

• 模型识别性存疑
  你用了「固定每个因子一个载荷为1」的方式来识别模型，但双因子模型的识别逻辑比单因子更复杂。当某个基础因子和对应的亚通用因子、通用因子的变异重叠度极高时，模型会认为这个基础因子没有独特的变异可以解释——换句话说，它的所有变异都被亚通用因子和通用因子覆盖了，自然就估计出方差为0。
  建议：试试调整识别策略，比如把这个基础因子的方差固定为1，自由估计它的载荷（注意要保证其他因子的识别条件依然满足），再重新拟合模型，看看结果是否有变化。

• 数据多重共线性或变异不足
  如果这个基础因子下的所有项目，在通用因子和对应亚通用因子上的载荷都极高，那项目的几乎所有变异都被这两个因子解释了，基础因子就没了「发挥空间」。另外，如果这个基础因子的项目本身变异极低（比如所有人得分都差不多），也会导致模型估计出方差为0。
  建议：

  • 计算该基础因子项目的相关矩阵，看看是不是项目间相关系数过高；
  • 查看因子载荷估计值，确认这个基础因子的项目在亚通用、通用因子上的载荷是否都接近1，而在自身基础因子上的载荷极低；
  • 检查项目的描述统计（标准差、得分分布），看看是不是存在天花板/地板效应。

• 模型设定冗余
  你的模型结构是「所有项目加载通用因子 + 基础因子项目加载对应亚通用因子 + 自身基础因子」，会不会这个方差为0的基础因子本身就是冗余的？比如对应的亚通用因子已经完全能代表这个基础因子的独特性，再加上通用因子的覆盖，基础因子就失去了存在的意义。
  建议：尝试移除这个方差为0的基础因子，重新拟合模型，然后对比新旧模型的拟合指标（比如卡方值、CFI、TLI、RMSEA）。如果拟合度没有显著下降，说明这个基础因子确实是冗余的，没必要保留。

• 样本量限制
  如果你的样本量偏小，SEM模型的估计稳定性会下降，容易出现极端估计值（比如方差为0）。双因子模型本身需要的样本量比单因子模型更大，尤其是当因子数量较多时。
  建议：如果样本量低于200（或者项目数的5-10倍），考虑增加样本量后再重新拟合模型。

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