【心理学/社会学研究必备技能】：用lavaan在R中完成高水平SEM分析

关注

原创最新推荐文章于 2026-03-17 01:21:16 发布 870 阅读 AI 写同款· GEO 优化 ›

中介分析（三）：R语言实现多重中介分析往期：中介分析（一）中介分析（二）：多重中介分析 R语言lavaan包可以实现结构方程模型（SEM），而中介分析是SEM的核心环节。简单中介模型以及多重中介模型都可以用lavaan包实现。安装载入lavaan包 install.packages("lavaan") library(lavaan) 首先介绍一下lavaan包构建模型的几个基础语法： y ~ x1 + x2 + x3 # ~左边为y，右边为3个自变量 y1 ~1 #只包含截距项的方程 := #Define a new paramet 阅读详情

第一章：SEM与lavaan基础概述

结构方程模型（Structural Equation Modeling, SEM）是一种强大的多变量统计分析方法，广泛应用于心理学、社会学、管理学及教育研究等领域。它能够同时处理多个因变量与潜变量之间的复杂关系，支持测量模型与结构模型的联合估计。SEM 的核心优势在于可以验证理论模型与实际数据之间的拟合程度，并对路径系数进行推断。

SEM的基本组成

测量模型：描述观测变量与潜变量之间的关系，通常通过因子分析实现
结构模型：表示潜变量之间的因果或相关关系
误差项：反映未被解释的变异部分，包括测量误差和残差

R中的lavaan包简介

lavaan 是 R 语言中用于拟合结构方程模型的开源包，语法简洁直观，支持多种模型类型，如验证性因子分析（CFA）、全息复合模型（PCM）和多组SEM等。使用 lavaan 拟合模型主要包括以下步骤：

定义模型语法
调用 sem() 或 cfa() 函数拟合模型
查看拟合结果与模型评估指标

# 示例：简单CFA模型定义
library(lavaan)

# 定义单因子CFA模型
model <- '
  # 测量模型
  visual =~ x1 + x2 + x3
'

# 拟合模型
fit <- cfa(model, data = HolzingerSwineford1939)

# 输出标准化结果
summary(fit, standardized = TRUE)

该代码定义了一个以 visual 为潜变量、x1–x3 为观测指标的测量模型，并使用 HolzingerSwineford1939 数据集进行拟合。函数返回参数估计值、标准误及模型拟合指数。

常用模型拟合指标对照表

指标	良好标准	说明
CFI	> 0.95	比较拟合指数，越接近1越好
RMSEA	< 0.06	近似误差均方根，反映模型简约性
SRMR	< 0.08	标准化残差均方根，衡量残差大小

第二章：lavaan环境搭建与数据准备

2.1 结构方程模型核心概念回顾

结构方程模型（Structural Equation Modeling, SEM）是一种多变量统计分析技术，广泛应用于社会科学、心理学和管理学等领域，用于检验变量间的复杂因果关系。

测量模型与结构模型

SEM由两部分构成：测量模型描述潜变量与观测变量之间的关系，结构模型则刻画潜变量之间的因果路径。例如，使用LISREL语法定义测量模型：


# R代码示例：lavaan包中的模型设定
model <- '
  # 测量模型
  IQ =~ x1 + x2 + x3
  Achievement =~ y1 + y2 + y3
  # 结构模型
  Achievement ~ IQ
'

上述代码中， =~ 表示观测变量由潜变量生成， ~ 表示回归关系。参数通过最大似然法估计，需评估因子载荷显著性与路径系数方向。

模型适配度评估指标

常用的适配度指标包括：

CFI（比较拟合指数）：值大于0.95表示良好拟合；
RMSEA（近似误差均方根）：低于0.06为可接受；
SRMR（标准化残差均值）：小于0.08表明模型合理。

2.2 R中lavaan包的安装与配置

安装lavaan包

在R环境中，可通过CRAN直接安装lavaan包。执行以下命令：

# 安装lavaan主包及其依赖
install.packages("lavaan", dependencies = TRUE)

该命令会自动下载并安装lavaan及其所需的依赖包（如MASS、stats等）。参数dependencies = TRUE确保所有运行时依赖被一并安装，避免后续分析中出现函数缺失错误。

加载与环境配置

安装完成后需加载包以启用功能：

# 加载lavaan至当前会话
library(lavaan)

加载后即可使用结构方程建模相关函数，如sem()、cfa()等。建议在脚本开头统一管理包依赖，保障分析可重复性。

2.3 数据导入与缺失值处理实践

数据导入的常见方式

在数据分析流程中，使用 pandas 导入结构化数据是第一步。常见的文件格式如 CSV、Excel 可通过 read_csv 和 read_excel 快速加载。

import pandas as pd
# 读取CSV文件，指定编码和索引列
df = pd.read_csv('data.csv', encoding='utf-8', index_col='id')

该代码加载 CSV 文件，encoding='utf-8' 避免中文乱码，index_col='id' 将“id”列设为行索引，提升后续数据对齐效率。

缺失值识别与处理策略

导入后需检查缺失情况，常用方法包括：

df.isnull().sum()：统计每列缺失数量
df.dropna()：删除含缺失的行或列
df.fillna(value)：用均值、众数或前向值填充

例如，用列均值填充数值型缺失：

df['age'].fillna(df['age'].mean(), inplace=True)

此操作保持样本量不变，适用于缺失随机且比例较低的场景，避免信息丢失。

2.4 测量模型设定与变量筛选

在构建测量模型时，首要任务是明确潜变量与观测变量之间的对应关系。通过理论框架指导，结合探索性因子分析（EFA）初步识别变量结构。

变量筛选准则

采用以下标准进行变量剔除：

因子载荷低于0.5的观测变量
存在交叉载荷现象（差值小于0.1）
克朗巴哈系数提升显著时可考虑删除

模型参数配置示例


# 结构方程模型设定
model <- '
  # 潜变量定义
  Usability =~ u1 + u2 + u3
  Satisfaction =~ s1 + s2 + s3
  # 路径关系
  Satisfaction ~ Usability
'

上述代码定义了“可用性”与“满意度”两个潜变量及其观测指标。`=~` 表示测量关系，`~` 表示回归路径。变量选择需确保每项潜变量至少有三个高载荷指标支撑，以保障模型识别性与信度。

2.5 数据正态性与模型假设检验

在构建统计模型前，验证数据是否满足正态分布是确保推断有效性的关键步骤。许多参数检验方法（如t检验、ANOVA）均假设残差服从正态分布。

正态性检验方法

常用手段包括Shapiro-Wilk检验和Q-Q图可视化分析。以下Python代码演示如何进行正态性诊断：


import scipy.stats as stats
import matplotlib.pyplot as plt

# 生成样本数据
data = [1.2, 0.9, 1.3, 1.1, 0.8, 1.0, 1.4, 1.2, 1.3, 1.1]

# Shapiro-Wilk 正态性检验
stat, p = stats.shapiro(data)
print(f"统计量: {stat:.4f}, p值: {p:.4f}")

# Q-Q 图
stats.probplot(data, dist="norm", plot=plt)
plt.show()

上述代码中，shapiro() 返回检验统计量与p值，若p > 0.05，则不能拒绝数据正态分布的原假设；probplot() 生成Q-Q图，点越接近参考线，正态性越强。

常见应对策略

数据变换：使用对数、平方根变换改善偏度
非参数方法：当无法满足正态性时，采用Mann-Whitney U检验等替代方案
增加样本量：利用中心极限定理缓解小样本偏差影响

第三章：验证性因子分析（CFA）实现

3.1 CFA模型构建与语法详解

模型基本结构

CFA（Confirmatory Factor Analysis）模型通过潜变量与观测变量之间的关系验证理论结构。其核心在于定义测量方程，形式为：
λ 表示因子载荷矩阵，ε 为测量误差，η 代表潜变量，x 为观测变量。

语法实现示例


model <- '
  # 潜变量定义
  visual =~ x1 + x2 + x3
  textual =~ x4 + x5 + x6
  speed =~ x7 + x8 + x9
'
fit <- cfa(model, data = HolzingerSwineford1939)

上述代码使用 lavaan 包语法，=~ 表示潜变量由右侧观测变量构成。默认将首个载荷固定为1以识别模型。

参数说明与约束

因子载荷（λ）反映观测变量对潜变量的贡献程度
误差项（ε）允许各指标存在独立变异
模型需施加适当约束以保证识别性，如固定参考指标

3.2 模型拟合度指标解读与优化

常见拟合度指标对比

在评估模型性能时，R²、均方误差（MSE）和平均绝对误差（MAE）是核心指标。以下为常用指标的计算示例：


from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
import numpy as np

y_true = np.array([3, -0.5, 2, 7])
y_pred = np.array([2.5, 0.0, 2, 8])

mse = mean_squared_error(y_true, y_pred)
mae = mean_absolute_error(y_true, y_pred)
r2 = r2_score(y_true, y_pred)

print(f"MSE: {mse:.3f}, MAE: {mae:.3f}, R²: {r2:.3f}")

该代码计算回归任务中的三大指标：MSE对异常值敏感，反映整体偏差；MAE体现预测误差的平均幅度；R²表示模型解释目标变量方差的比例，越接近1拟合越好。

优化策略建议

若R²偏低，考虑引入非线性特征或更换更强的模型结构
MSE显著高于MAE时，说明存在个别严重误差点，需检查异常值
结合交叉验证稳定评估结果，避免过拟合导致的指标虚高

3.3 信效度评估与交叉验证策略

在构建可信的机器学习模型时，信效度评估是验证结果稳定性和准确性的关键步骤。通过系统性检验模型输出的一致性与有效性，可有效识别潜在偏差。

内部一致性检验

采用Cronbach's α系数衡量特征间相关性，通常α > 0.7表示良好信度。交叉验证则通过数据分割提升泛化能力评估。

K折交叉验证实现

from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)  # 5折交叉验证
print(f"平均准确率: {scores.mean():.3f} ± {scores.std():.3f}")

该代码执行5次训练-验证循环，计算均值与标准差，反映模型稳定性。参数cv=5指定划分5份，每次使用一份作验证集。

评估指标对比

指标	用途	理想范围
Accuracy	分类整体正确率	接近1.0
Cronbach’s α	信度检验	>0.7

第四章：全模型路径分析与进阶应用

4.1 设定潜变量间的结构路径

在结构方程模型中，潜变量间的路径设定是揭示潜在构念因果关系的核心步骤。通过明确外生潜变量与内生潜变量之间的直接影响，构建理论驱动的路径图。

路径系数的定义与约束

路径系数反映潜变量间的影响强度，通常以标准化系数解释效应大小。需对模型识别施加适当约束，如固定某一负载为1。

model_syntax <- '
  # 潜变量定义
  Motivation =~ m1 + m2 + m3
  Performance =~ p1 + p2 + p3
  # 结构路径设定
  Performance ~ beta*Motivation
'

上述Lavaan语法中，~ 表示回归路径，beta 为待估参数，表示动机对绩效的影响程度。

模型可识别性检查

确保每个潜变量至少有三个观测指标或合理约束
路径方向应符合理论假设，避免循环依赖
自由度非负，保证模型恰好或过度识别

4.2 直接、间接与总效应计算

在因果推断中，理解变量间的作用路径至关重要。直接效应反映自变量对因变量的独立影响，间接效应则通过中介变量传递，二者之和构成总效应。

效应分解示例

以结构方程模型为例，可通过以下方式计算各类效应：


# 使用lavaan包进行路径分析
model <- '
  M ~ a*X      # X对中介变量M的影响
  Y ~ b*M + c*X  # M和X对Y的联合影响
  indirect := a*b
  direct := c
  total := c + a*b
'
fit <- sem(model, data = dataset)
summary(fit)

上述代码中，a 表示X对M的影响系数，b 为M对Y的影响，c 是X对Y的直接效应。通过定义新参数 indirect、direct 和 total，可清晰分离不同路径贡献。

效应对比表

效应类型	路径	解释
直接效应	X → Y	不经过中介的直接影响
间接效应	X → M → Y	经由中介变量传递的影响
总效应	X → Y + X → M → Y	所有路径的综合影响

4.3 多组比较分析（Multi-group SEM）

多组结构方程模型（Multi-group SEM）用于检验不同群体间模型参数的差异性，常见于跨群体或跨时间的数据比较。

模型设定与分组变量

在Lavaan中，通过group参数指定分组变量，实现多组分析。例如：

model <- '
  # 测量模型
  visual =~ x1 + x2 + x3
  textual =~ x4 + x5 + x6
'
fit <- sem(model, data = HolzingerSwineford1939, group = "school")

该代码按school变量将数据分为多个组别，分别估计各组的因子结构。参数未设为相等时，默认允许跨组自由变化。

跨组等同性检验流程

通常采用层级嵌套模型进行等同性检验：

配置等同性：确认各组因子结构一致
载荷等同性：约束因子载荷相等
截距等同性：进一步约束观测变量截距

通过卡方差异检验（Δχ²）判断约束是否显著降低模型拟合度，从而评估测量不变性。

4.4 模型修正与MI指标的实际运用

在机器学习模型迭代过程中，模型修正是提升泛化能力的关键步骤。当模型出现过拟合或偏差较大时，需结合MI（Mutual Information，互信息）指标评估特征与目标变量之间的信息关联强度。

MI指标的应用场景

特征选择：筛选出对输出影响显著的输入变量
冗余检测：识别高度相关但不增加信息增益的特征
模型诊断：辅助判断是否遗漏关键判别特征

from sklearn.feature_selection import mutual_info_regression
mi_scores = mutual_info_regression(X, y)
print("特征MI得分:", mi_scores)

上述代码计算各特征与目标变量间的互信息。MI值越高，表示该特征携带的关于标签的信息越多。在后续模型训练中，可依据MI得分进行特征降维，提升训练效率与预测稳定性。

修正策略联动机制

结合MI分析结果，动态调整模型结构或输入集，形成“评估—修正—再评估”的闭环优化流程。

第五章：高水平SEM论文写作与发表建议

选题策略与热点追踪

在撰写SEM（扫描电子显微镜）相关论文时，选题应结合材料科学、纳米技术或生物医学等前沿领域。例如，研究二维材料表面形貌的高分辨成像，或金属疲劳断裂面的微观结构演化，均具备较高发表潜力。建议定期跟踪《Ultramicroscopy》《Microscopy and Microanalysis》等期刊的最新接收文章，使用Google Scholar设置关键词提醒。

关注仪器技术创新，如环境SEM（ESEM）在湿态样品中的应用
结合能谱（EDS）进行多模态数据融合分析
开发自动化图像处理流程以提升数据可重复性

数据呈现与图像优化

高质量SEM图像需标注标尺、放大倍数和加速电压。使用ImageJ进行对比度校正时，应保留原始数据。以下为批处理脚本示例：

// ImageJ macro: 添加标尺并导出
run("Properties...", "unit=um pixel_width=0.050");
run("Scale Bar...", "width=100 font=18 color=White background=None");
saveAs("TIFF", "/path/to/output/image_with_scale.tiff");