使用 lavaan 收敛 Bifactor 模型的问题

Question

标题基本上解释了它，但我正在尝试建立一个双因素模型，其中精神病作为一个因素，亚型作为另一个因素。我相信我的一切都得到了适当的限制，但这可能是问题所在。

当前代码：

BifactorModel <- 'psychopathyBi =~ YPIS_1 + YPIS_2 + YPIS_3 + YPIS_4 + YPIS_5 + YPIS_6 + YPIS_7 + YPIS_8 + YPIS_9 +YPIS_10 + YPIS_11 + YPIS_12 + YPIS_13 + YPIS_14 + YPIS_15 + YPIS_16 + YPIS_17 + YPIS_18

GMbi =~ YPIS_4 + YPIS_5 + YPIS_8 + YPIS_9 + YPIS_14 + YPIS_16

CUbi =~ YPIS_3 + YPIS_6 + YPIS_10 + YPIS_15 + YPIS_17 + YPIS_18

DIbi =~ YPIS_1 + YPIS_2 + YPIS_7 + YPIS_11 + YPIS_12 + YPIS_13

psychopathyBi ~~ 0*GMbi

psychopathyBi ~~ 0*CUbi

psychopathyBi ~~ 0*DIbi

GMbi ~~ 0*CUbi

GMbi ~~ 0*DIbi

CUbi ~~ 0*DIbi
'

#fit bifactor model

bifactorFit <- cfa(BifactorModel, data = YPIS_Data)

#get summary of bifactor model

summary(bifactorFit, fit.measures = TRUE, standardized = TRUE)

这会产生以下结果：

lavaan 0.6-9 在 862 次迭代后没有正常结束

这就是模型收敛后的最终样子

任何建议或 cmets 将不胜感激。提前致谢。

Answer 1

您的几个潜在变量的方差非常小。例如，Dlbi 似乎实际上为零。这就是问题的根源。

您可以尝试两种方法来解决此问题。

首先，通过将潜在变量方差固定为 1，而不是将第一个指标因子载荷固定为 1，可能会更好地识别模型。通过指定 std.lv = TRUE 来执行此操作。

即便如此，一个或多个组因子的负载很可能会具有非常小的负载。这表明您的数据中确实没有太多与一般因素不同的不同组因素。您应该考虑估计一个丢弃该组因子的模型（以及与一次丢弃其他组因子的模型进行比较）。我们在这里讨论这个问题：https://psyarxiv.com/q356f/

此外，您应该限制项目加载，以使它们处于理论上预期的方向（例如，下限为 0 的所有正数）。双因子模型通常会过度提取项目中的方差并产生具有正负载荷混合的无法解释的组因子。这也可能导致收敛问题。

一般来说，这种无约束的双因子模型往往过于灵活，并且倾向于过度拟合到与探索性因子分析相似的程度。您应该确保不仅基于全局模型拟合统计量评估双因子模型，而且还要基于因子负载是否实际上类似于真正的双因子模型 - 每个项目是否在一般因子和它们的组因子上都显示大量负载预期的方向，还是项目往往只加载一个或另一个？请参阅上面链接的论文中有关此问题的一些示例。

另一种选择是切换到探索性双因子建模。这在 R 中的 fungible 包中的 fungible::BiFAD() 函数中实现。这种方法在这里讨论： https://www.sciencedirect.com/science/article/pii/S0001879120300555

探索性双因子模型非常有用，因为它们依靠有针对性的 EFA 轮换来估计负载。这使得收敛的可能性更大，并且有助于诊断组因素何时太弱而无法在数据中识别。