用R进行一阶验证性因素分析
来自OBHRM百科
Lichaoping（讨论 | 贡献）2021年8月7日 (六) 19:33的版本
示意图
脚本与注释
library(lavaan) # 调用lavaan包，如果没有安装，需要先安装
cfadata <- read.table("http://www.obhrm.net/data/ex5.1.dat") # 读取数据文件到cfadata，cfadata是自己命名，可以随便定
names(cfadata) <-c(paste("y", 1:6, sep="")) # 给变量命名
cfamodel <- ' f1 =~ y1 +y2 +y3 # 设置模型，cfamodel还是自己命名
f2 =~ y4 +y5 +y6 '
cfafit <- cfa(cfamodel, cfadata) # 进行CFA，cfafit为自己的命名，方便后面调用
summary(cfafit,fit.measures="TRUE") # 显示CFA的总体结果
fitMeasures(cfafit,fit.measures="all", baseline.model=NULL) # 显示所有拟合指数
standardizedSolution(cfafit) # 显示标准化的结果
library(semTools) # 调用semTools包，如果没有安装，需要先安装
reliability(cfafit) # 计算AVE、CR（Composite Reliability）等值
library(semPlot) # 调用semPlot包来画图，如果没有安装，需要先安装
semPaths(cfafit,whatLabels="std", intercepts=FALSE, style="lisrel",
nCharNodes=0,
nCharEdges=0,
curveAdjacent = TRUE,title=F, layout="tree2",curvePivot=TRUE,
rotation=4,fixedStyle = c("black",1),freeStyle = c("black",1))# 画图函数
结果
> summary(cfafit,fit.measures="TRUE") # 显示CFA的结果
lavaan (0.5-23.1097) converged normally after 34 iterations
Number of observations 500
Estimator ML
Minimum Function Test Statistic 3.896
Degrees of freedom 8
P-value (Chi-square) 0.866
Model test baseline model:
Minimum Function Test Statistic 596.921
Degrees of freedom 15
P-value 0.000
User model versus baseline model:
Comparative Fit Index (CFI) 1.000
Tucker-Lewis Index (TLI) 1.013
Loglikelihood and Information Criteria:
Loglikelihood user model (H0) -4906.609
Loglikelihood unrestricted model (H1) -4904.661
Number of free parameters 13
Akaike (AIC) 9839.218
Bayesian (BIC) 9894.007
Sample-size adjusted Bayesian (BIC) 9852.745
Root Mean Square Error of Approximation:
RMSEA 0.000
90 Percent Confidence Interval 0.000 0.027
P-value RMSEA <= 0.05 0.995
Standardized Root Mean Square Residual:
SRMR 0.016
Parameter Estimates:
Information Expected
Standard Errors Standard
Latent Variables:
Estimate Std.Err z-value P(>|z|)
f1 =~
V1 1.000
V2 1.127 0.099 11.378 0.000
V3 1.020 0.089 11.474 0.000
f2 =~
V4 1.000
V5 1.058 0.129 8.226 0.000
V6 0.897 0.105 8.524 0.000
Covariances:
Estimate Std.Err z-value P(>|z|)
f1 ~~
f2 -0.030 0.052 -0.583 0.560
Variances:
Estimate Std.Err z-value P(>|z|)
.V1 1.064 0.096 11.124 0.000
.V2 0.798 0.100 7.981 0.000
.V3 1.010 0.095 10.600 0.000
.V4 1.290 0.119 10.880 0.000
.V5 0.854 0.110 7.736 0.000
.V6 1.066 0.097 11.035 0.000
f1 0.907 0.125 7.254 0.000
f2 0.761 0.133 5.740 0.000
> fitMeasures(cfafit,fit.measures="all", baseline.model=NULL) # 显示所有拟合指数
npar fmin chisq df pvalue
13.000 0.004 3.896 8.000 0.866
baseline.chisq baseline.df baseline.pvalue cfi tli
596.921 15.000 0.000 1.000 1.013
nnfi rfi nfi pnfi ifi
1.013 0.988 0.993 0.530 1.007
rni logl unrestricted.logl aic bic
1.007 -4906.609 -4904.661 9839.218 9894.007
ntotal bic2 rmsea rmsea.ci.lower rmsea.ci.upper
500.000 9852.745 0.000 0.000 0.027
rmsea.pvalue rmr rmr_nomean srmr srmr_bentler
0.995 0.029 0.029 0.016 0.016
srmr_bentler_nomean srmr_bollen srmr_bollen_nomean srmr_mplus srmr_mplus_nomean
0.016 0.016 0.016 0.016 0.016
cn_05 cn_01 gfi agfi pgfi
1991.316 2579.520 0.997 0.993 0.380
mfi ecvi
1.004 0.060
> standardizedSolution(cfafit) # 显示标准化的结果
lhs op rhs est.std se z pvalue
1 f1 =~ V1 0.678 0.035 19.348 0.000
2 f1 =~ V2 0.769 0.034 22.524 0.000
3 f1 =~ V3 0.695 0.035 19.953 0.000
4 f2 =~ V4 0.609 0.044 13.699 0.000
5 f2 =~ V5 0.707 0.046 15.433 0.000
6 f2 =~ V6 0.604 0.044 13.596 0.000
7 V1 ~~ V1 0.540 0.048 11.351 0.000
8 V2 ~~ V2 0.409 0.052 7.802 0.000
9 V3 ~~ V3 0.517 0.048 10.682 0.000
10 V4 ~~ V4 0.629 0.054 11.613 0.000
11 V5 ~~ V5 0.501 0.065 7.737 0.000
12 V6 ~~ V6 0.635 0.054 11.843 0.000
13 f1 ~~ f1 1.000 0.000 NA NA
14 f2 ~~ f2 1.000 0.000 NA NA
15 f1 ~~ f2 -0.036 0.062 -0.585 0.559
> library(semTools)
> reliability(cfafit) # 计算AVE、CR（Composite Reliability）等值
f1 f2 total
alpha 0.7566497 0.6727690 0.5629112
omega 0.7576777 0.6742191 0.7123837 # CR（Composite Reliability）
omega2 0.7576777 0.6742191 0.7123837
omega3 0.7576379 0.6741431 0.7072487
avevar 0.5110457 0.4093351 0.4621603 # AVE
