解释lavaan SEM系数

Question

首次使用lavaan中的R包运行结构方程模型（SEM）分析。

代码：

fac1 =~ a1+a3+a4+a5

fac2 =~ a2+a7+a8+a12

fac3 =~ a9+a10+a11+a14

fac4 =~ a12+a13+a15+a16

fac4 ~ fac1+fac2+fac3

fac3 ~ fac1+fac2

..... some more specifying the co-variance between items a1 to a16

输出：

Latent Variables:
               Estimate  Std.Err  Z-value  P(>|z|)   Std.lv  Std.all
fac1 =~

a1                1.000                               0.624    0.684

a3                0.848    0.112    7.589    0.000    0.529    0.568
....
....
....
fac2 =~

a12               1.000                               0.463    0.330

a2                3.764    1.290    2.918    0.004    1.742    1.691

我的问题：

1. lavaan如何为a1选择fac1，为a12选择fac2，为什么将值1指定为系数？< / LI>
2. 他们a1和a12对各自潜在变量有重要贡献吗？
3. 有没有办法让模型估算它们或导出它们而不将值设置为1？

Answer 1

执行潜变量建模时，始终存在分配未观察变量的比例的问题。毕竟，你还没有收集有关这些潜在变量的数据，那么你怎么可能知道它们的规模或方差呢？

解决此问题的一种方法是许多SEM程序中的默认设置，包括lavaan中的R包，用于修复给定潜在变量的第一个变量的加载到{ {1}}。这具有将观察到的变量的比例分配给潜在变量的效果。

另一种流行的替代方案是使用潜在变量的标准化标度（即，平均值= 0，sd = 1），在这种情况下，第一变量的加载由模型自由估计。在1中，可以按如下方式实现：

lavaan

添加`fit<-cfa(model, data=df, std.lv=T)` 告诉std.lv=T使用潜在变量的标准化比例，而不是将加载修复为lavaan。