如何使用 R 中的 lavaan 包测试潜在变量的因子负载差异

Question

如何计算不同数据框之间潜在变量的因子负载估计值？

我有 3 个数据框与 1 个潜在变量（相同的变量 A B C D）相关，但间隔不同。

• dataframe1（100-120 天）。 （1550 条记录）
• dataframe2（120-150 天）。 （1780 条记录）
• dataframe3（180-250 天）。 （1670 条记录）

---

package (lavaan)

model1 <- 'latent_variable1 =~ A + B + C + D
A~~B'
output1 <- cfa(model1, data=datafram1, std.lv=TRUE)
output2 <- cfa(model1, data=datafram2, std.lv=TRUE)
output3 <- cfa(model1, data=datafram3, std.lv=TRUE)

现在我想使用 SEM 计算 3 个潜在变量之间估计值的差异。 有人可以帮助我吗？

示例：

model<- 'latent_variable1 ~ latent_variable2 ~ latent_variable3'
output4<-sem(model, dataframe =????, std.lv=TRUE)

Answer 1

如果我理解正确，您的目标主要是测试这 3 个数据集上因子负载的差异。而且，实际上，您没有 3 个潜在变量，而只有一个，但应用于 3 个不同的上下文。 这是一种特定类型的潜在变量测量不变性评估。

所以，你需要的是：

1. 将数据集合并为一个数据集，但要指明它们的来源。我们称之为组

datafram1$group<-"G1"
datafram2$group<-"G2"
datafram3$group<-"G3"

df<-rbind(datafram1,datafram2)
df<-rbind(df,datafram3)

1. 使用此组变量运行多组评估

output1 <- cfa(model1, data=df, std.lv=TRUE, group="group")

这将返回 3 个输出，每组一个，类似于在 3 个不同的数据帧中进行评估。

1. 您现在可以将载荷限制为相等

output2 <- cfa(model1, data=df, std.lv=TRUE, group="group",group.equal="loadings")

4. 我们可以评估它们之间差异的重要性：

anova(output1, output2)