特征值错误（S，symmetric=TRUE）'中的值无限或缺失；x'；

我试图使用Lavan在R中运行验证性因子分析，但我不断得到这个错误：

在eigen（S，symmetric=TRUE）中出现错误：
在“x”中出现无限值或缺失值。
我检查了数据中的空变量或无可变性的变量，两者都不适用于此数据集。模型中的所有12个变量都有数百个唯一的数据点。此外，CFA已成功地在该模型上与其他数据集一起进行。下面是我正在使用的产生错误的代码：

> Combined.model <- 'Re =~ re1 + re2
+ Pu =~ pu1 + pu2
+ Rea =~ rea1 + rea2
+ Res =~ res1 + res2
+ St =~ st1 + st2
+ In_Contam =~ in1 + in2'
> fit <- cfa(Combined.model, data = Master_file, std.lv = TRUE, missing = "fiml")
Error in eigen(S, symmetric = TRUE) : infinite or missing values in 'x'
In addition: Warning message:
In lav_data_full(data = data, group = group, cluster = cluster,  :
  lavaan WARNING: some cases are empty and will be ignored:
  2397 2398 2401 2402 2403 2404 2405 2406 2410 2416 2420 2421 2422 2423 2424 2425 2426 2432 2435 2440 2441 2443 2450 2453 2454 2458 2459 2465 2467 2469 2473 2475 2477 2478 2485 2487 2488 2489 2491 2494 2496 2498 2502 2506 2509 2510 2512 2513 2515 2516 2518 2519 2523 2526 2528 2529 2532 2534 2538 2539 2541 2543 2548 2550 2558 2559 2561 2564 2566 2569 2570 2571 2572 2575 2576 2578 2579 2580 2586 2587 2588 2592 2593 2595 2596 2599 2600 2602 2603 2605 2606 2607 3053 3054 3055 3056 3057 3058 3059 3060 3061 3062 3063 3064 3065 3066 3067 3068 3069 3070 3071 3072 3073 3074 3075 3076 3077 3078 3079 3080 3081 3082 3083 3084 3085 3086 3087 3088 3089 3090 3091 3092 3093 3094 3095 3096 3097 3098 3099 3100 3101 3102 3103 3104 3105 3106 3107 3108 3109 3110 3111 3112 3113 3114 3115 3116 3117 3118 3119 3120 3121 3122 3123 3124 3125 3126 3127 3128 3129 3130 3131 3132 3133 3134 3135 3136 3137 3138 3139 3140 3141 3142 3143 3144 3145 3146 3147 3148  [... truncated]
> options(knitr.kable.NA = '')
> summary(fit, fit.measures=TRUE, standardized=TRUE)

>Combined.model拟合选项（knitr.kable.NA=''）
>汇总（拟合，拟合。度量值=真，标准化=真）

提前感谢您的帮助
 你能测试一下
any（is.inf（Master_文件））
和
any（is.na（Master_文件））
吗？另外，什么是
class（Master_文件）
？我得到is.infinite和is.na的“TRUE”（我期望后者，但我的印象是FIML处理na值（这些值在过去对我来说不是问题）。对于类，我得到“[1]”tbl_df”“tbl”“data.frame”“因此，类应该是可以的，但是在拟合模型之前，您需要处理
Inf
s和
NA
s……您可以删除观察值或对其进行插补。谢谢！有没有一种方法可以轻松搜索和替换Inf和NAs？是的，
是。NA
将在观察值为NA而
为无穷大的地方找到索引
将在无限的地方找到观测值…然后使用索引将矩阵子集并替换为您想要的值（中值插补或knn或其他任何值）