Lavaan - CFA - категориальные переменные - последний порог странный

Question

У меня проблема с выполнением многогруппового CFA с Lavaan (R).

Действительно, у меня есть несколько категориальных переменных, а некоторые переменные содержат 11 категорий. Поэтому у меня будет 10 пороговых значений для этих переменных. В приложении вы можете найти часть моих результатов. На этом снимке видно, что у меня 10 пороговых значений, но 10-й порог меньше 9-го, он не находится в порядке сгибания. У меня есть несколько переменных с 11 категориями, и это одна и та же проблема для каждой из этих переменных.

Мой вопрос: почему нет в порядке сгиба?

Здесь вы можете найти часть моего R-кода:

model2<-'range = ~ NA*gvjbevn + gvhlthc + gvslvol + gvslvue + gvcldcr + gvpdlwk 

goals = ~ NA*sbprvpv + sbeqsoc + sbcwkfm 

range~~1*range 

goals~~1*goals 

gvhlthc ~~ gvslvol 

gvcldcr ~~ gvpdlwk 

' 

cfa.model2<-cfa(model2, ordered=varcat, estimator="WLSMV",data=sub) 

summary(cfa.model2,fit.measures=TRUE,standardized=TRUE, modindices=TRUE) 

(На данный момент это только моя модель без выбора группы, но после того, как я выполняю то же самое с групповой вариант, и у меня такая же проблема для пороговых значений)

Answer 1

Ну, похоже, я не могу добавить комментарий из-за отсутствия достаточной репутации, поэтому я могу ответить только с ответом, хотя это не правильный ответ (это определенно не решит вашу проблему , хотя я надеюсь, что это указывает на правильное направление).

Для того чтобы ваш пример был воспроизводимым, вы должны предоставить сообществу данные для соответствия модели.

С другой стороны, я думаю, ваша проблема должна иметь отношение к природе категории: возможно, что ваша 11-я категория не означает «самый высокий уровень согласия» с этим элементом или что категории ответа являются не упорядочено с 1 по 11, или что-то подобное. Учитывая, что остальные пороговые значения, по-видимому, точно представляют непрерывный монотонно возрастающий масштаб и что эта же проблема происходит точно в одной и той же категории по разным переменным (по крайней мере, двум, которые вы показываете), должно быть что-то с ответом в этих пунктах.

Таким образом, это скорее проблема интерпретации параметров модели, чем статистическая проблема.