R 当数据中存在NAs时，如何计算CFA模型的因子得分、上下限

当数据中存在NAs时，我们如何计算CFA模型的因子得分和上下限（或置信区间）：

以下是一个例子：

ID = 1:500
states = rep(c("TS", "NE", "AR", "MO", "WA"),times = c(100, 100, 100, 100, 100))
schools = randomNames::randomNames(500) ## 5 first last names separated by a space
Gender = rep(c("male", "female"),times = c(180,320))

item1 = runif(500, min=.05, max =.95);  ind1 <- which(item1 %in% sample(item1, 55)); item1[ind1]<-NA
item2 = runif(500, min=.66, max=1);  ind2 <- which(item2 %in% sample(item2, 200)); item2[ind2]<-NA
item3 = runif(500, min=.05, max=.85);  ind3 <- which(item3 %in% sample(item3, 155)); item3[ind3]<-NA
item4 = runif(500, min=.40, max=1);  ind4 <- which(item4 %in% sample(item4, 150)); item4[ind4]<-NA
item5 = runif(500, min=0, max=.99);  ind5 <- which(item5 %in% sample(item5, 100)); item5[ind5]<-NA

df = data.frame(ID, states, schools, Gender, item1, item2, item3, item4, item5)


syntaxScale = " 
Satisfaction =~ item1 + item2 + item3 + item4 + item5

Satisfaction ~~ 1*Satisfaction;
Satisfaction ~ 0;
"

Fit_Scale = lavaan::cfa(model = syntaxScale, data = df, estimator = "MLR", std.lv = FALSE)

summary(Fit_Scale, fit.measures = TRUE, rsquare = TRUE, standardized = TRUE)

ID=1:500
州=代表（c（“TS”、“NE”、“AR”、“MO”、“WA”），时间=c（100100100100100））
学校=随机姓名：：随机姓名（500）##5个用空格分隔的姓
性别=代表（c（“男性”、“女性”），次数=c（180320））
第1项=运行IF（500，最小值=0.05，最大值=0.95）；ind1当您缺少数据时（当然是在某些假设下），使用完整信息最大可能性会有所帮助。更多信息

对于因子得分的估计，可以使用lavPredict（）

sem\u pred%
data.frame（）
历史（sem_pred$满意度，main=“满意度”，xlab=“因子得分”）

当您丢失数据时（当然是在某些假设下），使用完整信息最大可能会有所帮助。更多信息

对于因子得分的估计，可以使用lavPredict（）

sem\u pred%
data.frame（）
历史（sem_pred$满意度，main=“满意度”，xlab=“因子得分”）

关于缺失，如果您在
拉瓦恩
内查看，您将看到：

如果为“listwise”，则从列表中删除缺少值的案例
数据帧。如果“直接”或“ml”或“fiml”，则估计量为最大值
似然，EM算法用于估计无限制
协方差矩阵（和平均向量）。如果为“两两”，则两两删除
使用。如果为“默认”，则根据估计器和
模拟选项

因此，您可以在
缺少的
参数中使用“direct”或“ml”或“fiml”：

Fit_Scale关于缺失，如果您在
lavan
中查看，您将看到：

如果为“listwise”，则从列表中删除缺少值的案例
数据帧。如果“直接”或“ml”或“fiml”，则估计量为最大值
似然，EM算法用于估计无限制
协方差矩阵（和平均向量）。如果为“两两”，则两两删除
使用。如果为“默认”，则根据估计器和
模拟选项

因此，您可以在
缺少的
参数中使用“direct”或“ml”或“fiml”：

Fit_Scale谢谢，@jvargh7-因子得分函数起作用了。有没有办法计算因子得分的上下限/置信区间？谢谢，@jvargh7-因子得分函数起作用了。有没有办法计算因子得分的上下限/置信区间？
Fit_Scale = lavaan::cfa(model = syntaxScale, data = df, estimator = "MLR", std.lv = FALSE,missing="fiml")

sem_pred <- lavPredict(Fit_Scale,type="lv") %>% 
  data.frame()

hist(sem_pred$Satisfaction,main = "Satisfaction",xlab = "Factor score")