如何解决二阶 CFA (lavaan) 测量智力的控制变量
我正在 lavaan 中进行二阶 CFA 以测量智力。几个智力测试(底层)加载到因素(中间层,例如工作记忆)上,这些因素加载到一般因素(顶层,称为 g 因子)上。我的代码如下所示:
model.IQ <- '
att =~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8
ver =~ V9 + V10 + V11
mem =~ V12 + V13
wme =~ V14 + V15
g =~ att + ver + mem + wme
'
现在我想包括年龄和性别作为控制变量,但我不知道具体如何。我假设我会使用“~~”运算符来添加协变量,但是添加到哪些变量上?只有“g”?还是V1-V15?如果我将以下几行添加到我的模型中,它会起作用,但是这是否按预期工作?
V1 ~~ Age
V2 ~~ Age
...
V15 ~~ Age
V1 ~~ Gender
V2 ~~ Gender
...
V15 ~~ Gender
感谢您的帮助!
二阶 CFA 示例:
解决方法
对于性别,您应该进行多组验证性因素分析 (MGCFA),您的方法。我的建议是使用 measurementInvariance()
,例如:
measurementInvariance(model = model.IQ,data = your.data.frame,group = "gender")
对于分类变量,请使用 measurementInvarianceCat()
函数。
请注意,此功能已弃用,将来可能会消失。
对于年龄变量,我将使用 MIMIC 模型 (Wang,& Wang,2012),其中使用 age
作为一般智力因素的预测变量。 MIMIC 模型代表多指标多原因模型,其中多个指标反映潜在的潜在变量/因素,多个原因(观察到的预测变量)影响潜在变量/因素。您可以在同一模型中结合年龄和性别(虚拟)。
model.IQ_mimic <- '
att =~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8
ver =~ V9 + V10 + V11
mem =~ V12 + V13
wme =~ V14 + V15
g =~ att + ver + mem + wme
g ~ age + gender'
然而,MGFCA 与 MIMIC 模型相比具有一些优势,因为 MGCFA 允许测试所有模型参数的测量不变性。但是,如果您使用定性变量,则只能继续使用 MGCFA。由于样本量要求较小且允许使用各种变量,因此 MIMIC 模型可能具有优势。
Wang,J.,X. (2012)。结构方程建模:使用 Mplus 的应用。约翰威利父子公司。 https://doi.org/10.4135/9781412956253.n563
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。