4

我想用序数数据计算验证性因子分析（CFA R）lavaan。数据来自一份问卷，包含按李克特量表结构的 16 个项目。

我假设 4 因子模型最适合我的数据。为了计算 CFA，我搜索了信息并在本文中找到了一些有用的建议。

建议使用 DWLS 估计和多变量相关。R在使用该lavaan软件包时，我已设法使用 DWLS 计算 CFA 。我发现在 M plus DWLS 估计或相同的 WLSMV 中使用polychoric correlation，不幸的是我从未使用过 M plus并且想使用R，所以我想知道lavaan它是否相同。

到目前为止，我这样计算 CFA：

我指定了一个模型（model.4），有 4 个因素（AV、AW、AB、AA），（每个因素有 4 个项目）

model.4='
AV =~ AVf1_+AVf2+AVf3+AVf4 
AW =~ AWf1+AW2+AWf3+AWf4 
AB =~ ABf1+ABf2+ABf3+ABf4 
AA =~ AAf1+AAf2+AAf3+AAf4'

然后我用了这个"ordered"函数，因为我的有序数据，lavaan包里推荐的

model.ord = cfa(model.4,data=Data,ordered=c(
"AVf1","AVf2","AVf3","AVf4",
"AWf1","AWf2","AWf3","AWf4",
"ABf1","ABf2","ABf3","ABf4",
"AAf1","AAf2","AAf3","AAf4"))

这运作良好。我得到了一个包含所有相关拟合指数（CFI、RMSEA 等）的输出。现在我的问题是，如果这自动基于 M plus中的多面相关性？如果不是 - 我如何添加命令来使用多色相关？包中有一些lavaan关于 polychoric correlation的信息lavCor，但我不知道它是否对我的问题有用，不幸的是我不知道如何使用它。

我试过这样：

model.ord1 <- lavCor(cfa(model.4,data=Data,ordered=c(
 "AVf1","AVf2","AVf3","AVf4",
"AWf1","AWf2","AWf3","AWf4",
"ABf1","ABf2","ABf3","ABf4",
"AAf1","AAf2","AAf3","AAf4"))

))

但是> summary(model.ord1, fit=T)没有用。我没有收到任何结果。

总结一下：我的 CFA 是否自动基于多元相关性？如果没有，我该如何改变我的函数来实现多色相关？

4

2 回答 2

3

是的，根据 lavaan 用户组中的人们的说法，使用“ordered”选项将使用 DWLS 与序数变量的多变量相关性。

您可以通过比较的输出来仔细检查

inspect(fit, "sampstat")$cov

其中 fit 是具有有序变量的 cfa() 模型的输出，并且

lavCor(fit, ordered = TRUE, group = NULL, output = "cor")

报告多变量相关性

于 2017-05-08T17:40:48.167 回答
0

我猜以下链接包含一个类似的用例：https ://www.packtpub.com/books/content/structural-equation-modeling-and-confirmatory-factor-analysis - 向下滚动到：“熔岩语法”：

使用您使用的参数ordered = c，您已经告诉 lavaan 一些变量本质上是序数的。作为回应，lavaan 估计了这些变量的多变量相关性。

但我不知道它是否正确/正确。有人可以确认吗？

于 2016-12-30T12:32:04.093 回答