假设我有一个不连续的结果变量。例如，它可以是有序分类变量或名义（无序）分类变量。这意味着我需要将变量建模为有序 logit 模型或多项式模型。
我知道 lavaan 和其他软件不包括使用不连续的结果变量拟合整个结构方程模型 SEM 的选项（只有二进制变量的解决方法）。由于我仍想在分类模型中使用潜在变量，因此我想知道使用lavPredict()函数计算因子分数是否正确，并将这些潜在变量作为回归量包含在外部分类模型中。我见过很多例子，人们遵循这种方法，但使用探索性因子分析 EFA 或主成分分析 PCA。我会准备依赖 CFA，因为我确实对潜在变量有一个清晰而可靠的理论。
此外，lavPredict()函数具有带有选项回归和Bartlett的参数方法。我应该使用回归还是 Bartlett 因子得分？两种选择有什么区别？
换句话说：
library(lavaan)
HS.model <- ' visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
speed =~ x7 + x8 + x9 '
fit <- cfa(HS.model, data=HolzingerSwineford1939)
Latents <- lavPredict(fit)
Latents <- as.data.frame(Latents)
Latents_Bartlett <- lavPredict(fit, method = "Bartlett")
Latents_Bartlett <- as.data.frame(Latents_Bartlett)
在随后的有序 logit 模型或多项式模型中使用数据帧Latents或Latents_Bartlett中的潜在变量visual、textual和speed作为回归量是否正确？