measurement invariance categorial - warning and unable to see fitmeaures

[Lucas Sempe]

Hello Terrence,

First, thanks a lot for your dedicated work with 'measurement invariance' and answers.

I've been trying to assess measurement invariance of a large dataset (PISA). Here are my syntax and results

Ex1Model<- "

Homeposs =~ ST011Q01TA +          ST011Q02TA +         

ST011Q03TA      +     ST011Q04TA  +         ST011Q05TA  +       

ST011Q06TA        +   ST011Q07TA      +     ST011Q08TA +         

ST011Q09TA        +   ST011Q10TA     +      ST011Q11TA  +        

ST011Q12TA        +   ST011Q16NA  +                  ST012Q01TA    +      

ST012Q02TA      +     ST012Q03TA +          ST012Q05NA      +    

ST012Q06NA        +   ST012Q07NA    +       ST012Q08NA     +     

ST012Q09NA       +    ST013Q01TA" 

#### invariance

baseline <- measEq.syntax(configural.model = Ex1Model,

                          data = pisaf3,

                          parameterization = "delta",

                          ID.fac = "std.lv",

                          ID.cat = "Wu.Estabrook.2016",

                          group = "CNT",

                          group.equal = "configural")

cat(as.character(baseline))

# Have to specify as.character to submit to lavaan

model.baseline <- as.character(baseline)

fit.baseline <- cfa(model.baseline, data = pisaf3, 

                    ordered=c("ST011Q01TA", "ST011Q02TA",       

                              "ST011Q03TA", "ST011Q04TA","ST011Q05TA",        

                              "ST011Q06TA", "ST011Q07TA","ST011Q08TA",       

                              "ST011Q09TA", "ST011Q10TA","ST011Q11TA",      

                              "ST011Q12TA", "ST011Q16NA","ST012Q01TA",     

                              "ST012Q02TA", "ST012Q03TA","ST012Q05NA",    

                              "ST012Q06NA", "ST012Q07NA","ST012Q08NA",   

                              "ST012Q09NA", "ST013Q01TA"),   group ="CNT",missing="pairwise")

####

Warning messages:

1: In lav_model_vcov(lavmodel = lavmodel, lavsamplestats = lavsamplestats,  :

  lavaan WARNING:

    Could not compute standard errors! The information matrix could

    not be inverted. This may be a symptom that the model is not

    identified.

2: In lav_test_satorra_bentler(lavobject = NULL, lavsamplestats = lavsamplestats,  :

  lavaan WARNING: could not invert information matrix

> summary(fit.baseline, fit.measures=TRUE)

lavaan 0.6-4.1396 ended normally after 173 iterations

  Optimization method                           NLMINB

  Number of free parameters                       5724

  Number of observations per group         

  AUS                                            11959

  AUT                                             6134

  BEL                                             8129

  BRA                                            14756

  BGR                                             4624

  CAN                                            16899

  CHL                                             5847

  TAP                                             6639

  COL                                             9744

  CRI                                             5499

  HRV                                             5198

  CZE                                             6106

  DNK                                             5337

  DOM                                             3176

  EST                                             5185

  FIN                                             5376

  FRA                                             5198

  DEU                                             4644

  GRC                                             4842

  HKG                                             4554

  HUN                                             4968

  ISL                                             3019

  IRL                                             5129

  ITA                                            10428

..... (additional groups)

Error in TEST[[2]] : subscript out of bounds

However, when I run the CFA directly, I get results...

pisa.g<- cfa(Ex1Model, data = pisaf3, 

                    ordered=c("ST011Q01TA", "ST011Q02TA",       

                              "ST011Q03TA", "ST011Q04TA","ST011Q05TA",        

                              "ST011Q06TA", "ST011Q07TA","ST011Q08TA",       

                              "ST011Q09TA", "ST011Q10TA","ST011Q11TA",      

                              "ST011Q12TA", "ST011Q16NA","ST012Q01TA",     

                              "ST012Q02TA", "ST012Q03TA","ST012Q05NA",    

                              "ST012Q06NA", "ST012Q07NA","ST012Q08NA",   

                              "ST012Q09NA", "ST013Q01TA"),   group ="CNT",missing="pairwise")

all.results[1,]<-round(data.matrix(fitmeasures(pisa.g,

                                               fit.measures = c("chisq.scaled","df.scaled","pvalue.scaled","rmsea.scaled", "cfi.scaled", "tli.scaled"))), digits=3)

all.results

     chisq.scaled df.scaled pvalue.scaled rmsea.scaled cfi.scaled tli.scaled

[1,]     458911.6     11077             0        0.078      0.807      0.787

So, pardon if I´m asking something very stupid or wrong. but shouldn´t be the same?

Best wishes, Lucas

[Terrence Jorgensen]

However, when I run the CFA directly, I get results...

If you inspect the syntax, you will notice it did not specify any thresholds, because measEq.syntax() has no way to know which variables are ordered unless you tell it using the ordered= argument (as shown in the help-page example) or unless they are already of class c("ordered","factor") in the pisaf3 data.  I am guessing the lack of thresholds (and by implication, the estimation of intercepts and residual variances) causes the error)

Terrence D. Jorgensen

Assistant Professor, Methods and Statistics

Research Institute for Child Development and Education, the University of Amsterdam

http://www.uva.nl/profile/t.d.jorgensen