mplus因子载荷系数大于1

Question

运用mplus进行潜变量的中介效应分析，但是在测量模型中，有多个标准化因子载荷系数大于1，应该如何调整呢？有无具体的文献推荐。

Answer 1

参考通义千问和郭老师的小迷弟雅思莫了-编写提供，主要是为了帮助您快速解决问题，如下回答，您可以参考下，如有问题，评论区留言。

在结构方程模型（SEM）或潜变量分析中，因子载荷系数（factor loading）大于1通常是不合理的，因为它意味着观测变量与潜变量之间的关系过于强烈，以至于超过了测量误差的允许范围。理想情况下，因子载荷应该在-1到1之间，这是因为因子载荷是标准化后的参数，表示观测变量与潜变量相关性的强度。

对于Mplus软件中出现因子载荷大于1的情况，可能的原因和解决方法包括：

1. 数据过度离散或者极端值问题：检查数据是否存在异常值、缺失值或其他数据质量问题。如果存在，考虑进行数据清理或采用适当的处理策略，例如 winsorization（对极端值进行截断）。

2. 样本量较小：小样本可能导致估计偏误，增大样本量可以改善参数估计的稳定性。

3. 模型设定问题：重新审视模型设定，包括但不限于：

   • 检查是否正确设定了度量指标的测量误差项；
   • 确定是否有未被包含在模型中的重要变量；
   • 考虑是否有必要修正模型结构，比如添加额外的潜变量来解释观测变量间的高相关性。

4. 模型识别问题：如果模型未完全识别（overidentified），也可能导致估计出现问题。确保模型是恰好识别或过度识别。

5. 多重共线性：如果观测变量间高度相关，可能会导致因子载荷估计偏大。可以通过探索性因子分析（EFA）或使用更复杂的方法如平行分析（parcor）来检验并尝试解决这个问题。

关于文献推荐，以下是一些讨论因子载荷估计以及如何处理异常因子载荷问题的参考文献：

• Brown, T. A. (2015). Confirmatory factor analysis for applied research. Guilford publications.
• Kline, R. B. (2016). Principles and practice of structural equation modeling. Guilford publications.
• Henson, R. K., & Roberts, J. K. (2006). Invited reaction: On the Practice of Eliminating Indicators with High Loadings in Exploratory Factor Analysis. Multivariate Behavioral Research, 41(3), 367–385.

在中介效应分析的具体情境下，如果模型设定本身没有问题，但因子载荷仍然过大，需要通过上述方法调整基础的测量模型，直到获得合理且稳定的因子载荷估计，然后再进行中介效应分析。同时，确保在解释中介效应时，所使用的潜变量结构是有效的和可靠的。