Question

我正在尝试使用验证性因子分析（CFA）从两个变量（按5点李克特量表测量）中获得一个因子。我知道具有1个因子和2个负载的模型的自由度是-1，因此该模型的规格不足。但是，我已经看到了模型，其中两个变量用作单个基础因素的负荷。

我尝试使用sklearn在Python中运行CFA，但是对于这两种负载，它都返回负因子负载，我认为这是不正确的。

Python代码（带有数据）：

import sklearn.decomposition as skd
x = [[2., 4.], [1., 2.], [1., 1.], [2., 2.], [2., 2.], [2., 1.], [1., 1.], [2., 2.], [3., 2.], [2., 2.], [1., 2.], [1., 1.], [2., 2.], [2., 2.], [1., 1.], [3., 3.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [0., 0.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [1., 1.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [1., 1.], [2., 2.], [2., 2.], [1., 1.], [2., 2.], [2., 1.], [2., 2.], [3., 2.], [1., 1.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [2., 4.], [2., 2.], [1., 1.], [2., 2.], [2., 2.], [3., 2.], [3., 2.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [1., 1.], [1., 2.], [1., 1.], [1., 1.], [2., 2.], [3., 3.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [2., 3.], [3., 3.], [2., 2.], [2., 2.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [2., 2.], [1., 1.], [3., 3.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [2., 2.], [2., 2.], [2., 2.], [1., 1.], [1., 2.], [2., 2.], [2., 2.], [2., 2.], [2., 2.], [2., 1.], [2., 2.], [1., 1.], [1., 1.], [2., 2.], [1., 1.], [1., 1.], [1., 1.], [1., 1.], [2., 2.], [2., 2.], [1., 2.], [1., 1.], [1., 1.], [2., 2.]]

skd.FactorAnalysis(n_components=1).fit(x).components_[0]

输出：

array([-0.55779804, -0.58890195])

我还尝试使用'lavaan'库在R中运行CFA，它返回以下错误：

lav_model_vcov中的警告消息（lavmodel = lavmodel，lavsamplestats = lavsamplestats，：“ lavaan警告：无法计算标准错误！信息矩阵可以不可倒转。这可能是模型不存在的症状确定。”

我是CFA和结构方程模型（SEM）的新手，如果有人能向我解释我的错误（或者我应该说错了！），我将不胜感激。

Answer 1

最新答案，我知道。...

正如您所说，真正的问题是您没有足够的自由度：您需要三个指标来单独估计潜在变量。是的，对于给定的潜在变量，存在具有两个指标的模型，但只有在该潜能与一个或多个其他潜在相关时，它们才起作用。

具有足够的自由度，您将永远不会遇到所有荷载均为负的问题，因为一个荷载总是（任意）固定为1。请注意，如果一个或多个荷载为负，则可以切换通过切换哪个指标的固定负载为1来确定潜在标度的方向-但这不会改变模型的基础数学。（当然，如果您将一个荷载固定为-1或其他任何负数，则肯定会遇到所有荷载均为负的情况，但是很少有这样做的充分理由，无论如何，再次，基本数学将是相同的。）

但是，如果您正在执行CFA，我不希望您使用该特定的scikit-learn类，该类旨在用于探索性因子分析（EFA）。我想这可能仅适用于一个潜在因素（而且sklearn没有CFA类）。

使用Python库sklearn.decomposition.FactorAnalysis对1个因子和2个载荷模型的负因子载荷？

1 个答案: