二阶 CFA (lavaan) 测量智力的控制变量

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