Konfirmatorische Faktorenanalyse (CFA) mit R lavaan
1. Grundlagen

Arndt Regorz, Dipl. Kfm. & MSc. Psychologie, 19.04.2022

Dieses ist eine Begleitseite zum Video-Tutorial über die Grundlagen der confirmatory factor analysis (CFA) mit lavaan, dem SEM-Modul von R.

(Hinweis: Mit Anklicken des Videos wird ein Angebot des Anbieters YouTube genutzt.)

R-Code aus dem Video-Tutorial

Hier ist der gesamte Code aus dem Video-Tutorial.

library(lavaan)

head(HolzingerSwineford1939, 10)

# Modell 1: Grundmodell

model1 <- '
# Messmodell
visuell =~ x1 + x2 + x3
sprachlich =~ x4 + x5 + x6
geschwindigkeit =~ x7 + x8 + x9
'

model.fit1 <- cfa(model=model1, data=HolzingerSwineford1939, std.lv = TRUE)

summary(model.fit1, fit.measures = TRUE, standardized=TRUE)

mi <- modindices(model.fit1)
mi[mi$mi > 10,]

# Modell 2: Angepasstes Modell

model2 <- '
# Messmodell
visuell =~ x1 + x2 + x3
sprachlich =~ x4 + x5 + x6
geschwindigkeit =~ x7 + x8 + x9

# Fehlerkovarianz
x7 ~~ x8
'

model.fit2 <- cfa(model=model2, data=HolzingerSwineford1939, std.lv = TRUE)

summary(model.fit2, fit.measures = TRUE, standardized=TRUE)

# Local Fit
mi <- modindices(model.fit2)
mi[mi$mi > 10,]

# Vergleich beider Modelle
lavTestLRT(model.fit1, model.fit2)

# Modell 2b: Alternatives angepasstes Modell

model2b <- '
# Messmodell
visuell =~ x1 + x2 + x3 + x9
sprachlich =~ x4 + x5 + x6
geschwindigkeit =~ x7 + x8 + x9
'

model.fit2b <- cfa(model=model2b, data=HolzingerSwineford1939, std.lv = TRUE)

summary(model.fit2b, fit.measures = TRUE, standardized=TRUE)