顺序数据的R（Lavan）中的CFA-是否包括多色调相关？

我想用

R

中的顺序数据，使用

lavan

计算验证性因素分析（CFA）。数据来自一份问卷，包含16个项目，按照利克特量表进行结构

我假设4因素模型最适合我的数据。为了计算CFA，我搜索了一些信息，并在这方面找到了一些有用的建议

建议使用DWLS估计和多色相关。我已经设法使用

lavan

包在

R

中使用DWLS计算了CFA。我发现在MPLU中，DWLS估计，或相同的WLSMV使用，不幸的是，我从未使用过MPLU，并且希望使用

R

，因此我想知道在

lavan

中是否相同

到目前为止，我是这样计算终审法院的：

model.ord1 <- lavCor(cfa(model.4,data=Data,ordered=c(
 "AVf1","AVf2","AVf3","AVf4",
"AWf1","AWf2","AWf3","AWf4",
"ABf1","ABf2","ABf3","ABf4",
"AAf1","AAf2","AAf3","AAf4"))

我指定了一个包含4个因素（AV、AW、AB、AA）的模型（模型4），（每个因素有4个项目）

然后我使用了

“ordered”

函数，因为我的数据是有序的，这是

lavan

软件包中推荐的

model.ord = cfa(model.4,data=Data,ordered=c(
"AVf1","AVf2","AVf3","AVf4",
"AWf1","AWf2","AWf3","AWf4",
"ABf1","ABf2","ABf3","ABf4",
"AAf1","AAf2","AAf3","AAf4"))

这很有效。我得到了所有相关拟合指数（CFI、RMSEA等）的输出。现在我的问题是，这是否会自动基于MPLU中的多色相关？如果不是-如何添加命令以使用多色调关联？在

lavan

软件包中有一些关于多色相关的信息，

lavCor

，但我不知道它是否对我的问题有用，不幸的是，我不知道如何使用它

我试着这样做：

model.ord1 <- lavCor(cfa(model.4,data=Data,ordered=c(
 "AVf1","AVf2","AVf3","AVf4",
"AWf1","AWf2","AWf3","AWf4",
"ABf1","ABf2","ABf3","ABf4",
"AAf1","AAf2","AAf3","AAf4"))

model.ord1摘要（model.ord1，fit=T）

不起作用。我没有收到任何结果

---

总而言之：我的CFA是否自动基于多色调相关性？如果没有，我如何更改我的函数以实现多色调关联？

我想下面的链接包含一个类似的用例：-向下滚动到：“Lavan语法”：

通过您使用的参数

ordered=c

，您告诉了Lavan某些变量本质上是有序的。作为回应，Lavan估计了这些变量的多色相关性

但我不知道这是否正确。有人能确认吗？

是的，使用“有序”选项将使用具有有序变量多色调相关性的DWL

您可以通过比较

inspect(fit, "sampstat")$cov  

其中fit是带有有序变量的cfa（）模型的输出，以及

lavCor(fit, ordered = TRUE, group = NULL, output = "cor")

它报告了多色相关