在 R语言 中,进行 结构方程模型(SEM) 分析的核心工具是 lavaan 包。它不仅免费开源,且语法高度类似商业软件 Mplus,是当前学术界最主流的SEM工具。以下是从数据准备到模型可视化的完整专业流程:

第一步:安装与加载必备包
在R控制台执行以下命令安装并加载 lavaan:
install.packages("lavaan")
library(lavaan)
若需绘制路径图,还需安装 semPlot 包:
install.packages("semPlot")
library(semPlot)
第二步:数据预处理与格式检查
SEM通常基于 协方差矩阵 或 原始数据框 进行分析。确保数据中无缺失值,可使用 na.omit(data) 删除缺失行,或使用 lavaan 内置的 missing = "ml" 参数处理缺失数据。若使用原始数据,需将数据框转换为数值型矩阵,并检查变量之间的 相关性矩阵 以确保模型可识别。
第三步:模型设定(Model Specification)
lavaan 使用公式语法定义模型,包含两种核心关系:
- 测量模型(潜变量):使用 =~ 定义潜变量与观测变量的关系。例如:
F1 =~ x1 + x2 + x3
(表示潜变量 F1 由观测变量 x1, x2, x3 测量)
- 结构模型(路径关系):使用 ~ 定义回归关系。例如:
Y ~ F1 + F2
(表示内生变量 Y 由潜变量 F1 和 F2 预测)
- 协方差(相关)设定:使用 ~~ 定义残差或变量间的相关。例如:F1 ~~ F2。
第四步:模型拟合(Model Fitting)
使用 sem() 函数执行模型估计,核心语法为:
fit <- sem(model, data = mydata, estimator = "ML")
其中,estimator 参数默认使用 最大似然估计(ML)。若数据严重非正态分布,应改用 estimator = "MLR"(稳健标准误)或 estimator = "WLSMV"(适用于有序分类数据,如李克特量表)。
第五步:模型评估与结果解读
使用以下命令查看详细结果:
summary(fit, fit.measures = TRUE, standardized = TRUE)
评估模型优劣需关注以下拟合指数:
- 卡方值(Chi-square):p > 0.05 表示拟合良好,但易受样本量影响。
- CFI(比较拟合指数)和 TLI(非规准拟合指数):通常需 > 0.90 或 > 0.95 为佳。
- RMSEA(近似误差均方根):< 0.08 可接受,< 0.05 为优秀。
- SRMR(标准化残差均方根):< 0.08 为佳。
同时,检查 标准化路径系数(Std.all) 的显著性(p < 0.05 或 p < 0.01)及方向。
第六步:模型修正(Modification Indices)
若模型拟合不佳,可使用 modindices(fit, sort. = TRUE) 查看 修正指数(MI)。MI 值大于 3.84 或 10 表示添加该路径可显著改善模型。但修正必须基于理论依据,不可仅凭统计结果盲目添加路径。
第七步:路径图可视化
使用 semPlot 包的 semPaths() 函数绘制直观的路径图:
semPaths(fit, whatLabels = "std", layout = "tree", style = "lisrel", edge.label.cex = 0.8)
其中 whatLabels = "std" 表示显示标准化系数,layout = "tree" 采用树状布局。
总结与资源推荐
使用 R 语言做 SEM 的核心在于:掌握 lavaan 的公式语法、正确选择估计方法(ML 或 MLR)、严格依据理论进行模型修正。如需深入学习,推荐阅读 Rosseel (2012) 发表的经典论文《lavaan: An R Package for Structural Equation Modeling》,以及 Kline (2015) 的著作《Principles and Practice of Structural Equation Modeling》。

查看详情

查看详情