lavaan error cfa

[P.S.]

Hey everyone!

I get an unknow error message when i try to run the following modell with lavaan:

modell_5f <- 'f1 =~ bfi10_1r + bfi10_6

              f2 =~ bfi10_4r + bfi10_9

              f3 =~ bfi10_3r + bfi10_8

              f4 =~ bfi10_10 + bfi10_5r

              f5 =~ bfi10_2 + bfi10_7r

'

fit.modell_5f <- cfa(modell_5f, data=daten, meanstructure=T,std.lv=T)

summary(fit.modell_5f, fit.measures=TRUE) 

Warning messages:

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

  lavaan WARNING: could not compute standard errors!

  lavaan NOTE: this may be a symptom that the model is not identified.

2: In lav_object_post_check(object) :

  lavaan WARNING: some estimated ov variances are negative

this is the modell output:
++lavaan (0.5-23.1097) converged normally after 8638 iterations

  Number of observations                           168

  Estimator                                         ML

  Minimum Function Test Statistic               28.489

  Degrees of freedom                                25

  P-value (Chi-square)                           0.286

Model test baseline model:

  Minimum Function Test Statistic              307.693

  Degrees of freedom                                45

  P-value                                        0.000

User model versus baseline model:

  Comparative Fit Index (CFI)                    0.987

  Tucker-Lewis Index (TLI)                       0.976

Loglikelihood and Information Criteria:

  Loglikelihood user model (H0)              -2313.887

  Loglikelihood unrestricted model (H1)      -2299.643

  Number of free parameters                         40

  Akaike (AIC)                                4707.775

  Bayesian (BIC)                              4832.733

  Sample-size adjusted Bayesian (BIC)         4706.085

Root Mean Square Error of Approximation:

  RMSEA                                          0.029

  90 Percent Confidence Interval          0.000  0.071

  P-value RMSEA <= 0.05                          0.756

Standardized Root Mean Square Residual:

  SRMR                                           0.050

Parameter Estimates:

  Information                                 Expected

  Standard Errors                             Standard

Latent Variables:

                   Estimate   Std.Err  z-value  P(>|z|)

  f1 =~                                                

    bfi10_1r           0.982       NA                  

    bfi10_6            0.624       NA                  

  f2 =~                                                

    bfi10_4r           0.389       NA                  

    bfi10_9            1.676       NA                  

  f3 =~                                                

    bfi10_3r           0.011       NA                  

    bfi10_8           38.268       NA                  

  f4 =~                                                

    bfi10_10           0.519       NA                  

    bfi10_5r           0.869       NA                  

  f5 =~                                                

    bfi10_2           38.788       NA                  

    bfi10_7r           0.004       NA                  

Covariances:

                   Estimate   Std.Err  z-value  P(>|z|)

  f1 ~~                                                

    f2                -0.337       NA                  

    f3                -0.004       NA                  

    f4                 0.243       NA                  

    f5                 0.005       NA                  

  f2 ~~                                                

    f3                 0.002       NA                  

    f4                -0.012       NA                  

    f5                -0.000       NA                  

  f3 ~~                                                

    f4                 0.001       NA                  

    f5                 0.000       NA                  

  f4 ~~                                                

    f5                 0.002       NA                  

Intercepts:

                   Estimate   Std.Err  z-value  P(>|z|)

   .bfi10_1r           3.280       NA                  

   .bfi10_6            3.768       NA                  

   .bfi10_4r           3.190       NA                  

   .bfi10_9            3.042       NA                  

   .bfi10_3r           3.244       NA                  

   .bfi10_8            4.190       NA                  

   .bfi10_10           3.875       NA                  

   .bfi10_5r           3.655       NA                  

   .bfi10_2            3.571       NA                  

   .bfi10_7r           3.101       NA                  

    f1                 0.000                           

    f2                 0.000                           

    f3                 0.000                           

    f4                 0.000                           

    f5                 0.000                           

Variances:

                   Estimate   Std.Err  z-value  P(>|z|)

   .bfi10_1r           0.083       NA                  

   .bfi10_6            0.444       NA                  

   .bfi10_4r           1.062       NA                  

   .bfi10_9           -1.472       NA                  

   .bfi10_3r           1.363       NA                  

   .bfi10_8        -1463.813       NA                  

   .bfi10_10           0.780       NA                  

   .bfi10_5r           0.745       NA                  

   .bfi10_2        -1503.422       NA                  

   .bfi10_7r           1.127       NA                  

    f1                 1.000                           

    f2                 1.000                           

    f3                 1.000                           

    f4                 1.000                           

    f5                 1.000                           

Also modindices isn't working:

lavaan ERROR: could not compute modification indices; information matrix is singular

If someone could help me, i'll be glad!

Thank you!

P.S.

[Edward Rigdon]

Your model appears to suffer from empirical underidentification--the method cannot obtain unique estimates for model parameters because, even though the model structure would be identified, in your data set it is not. A rule of thumb for statistical identification of a factor model is that each factor has 2 congeneric (no cross-loadings, no correlated uniquenesses) indicators AND strong enough loadings AND each factor is correlated with at least 1 other variable. So your model, with just 2 indicators per factor, is right on the edge of failing identification. Even 1 small loading or 1 factor with no strong correlations with the other factors will cause identification to fail. Of course, the estimates you are seeing are not final estimates, but the evidence in those estimates--including pairs of indicators where 1 loading is super-big and 1 loading is tiny, and the apparently very small factor covariances--all suggests that this is your problem.

This could be a matter of poor starting values--though lavaan's default starting values generally work well. So you might try adding starting values to your syntax. I suggest that you set starting values for loadings at , say, the square root of half each indicator's variance, set starting values for uniquenesses (residual variance) at half of each indicator's loading, and set starting values for factor covariances at about 0.5 (since you are standardizing factors). Make sure that positive correlations for factors make sense given your data--you don't want the estimation process to take any factor covariances through the zero point.

It may just be that the factor model is not a good choice for these data. Fit indices tell you something about teh suitability of the model for the data, but these performance issues tell you something else.

--
You received this message because you are subscribed to the Google Groups "lavaan" group.
To unsubscribe from this group and stop receiving emails from it, send an email to lavaan+unsubscribe@googlegroups.com.
To post to this group, send email to lav...@googlegroups.com.
Visit this group at https://groups.google.com/group/lavaan.
For more options, visit https://groups.google.com/d/optout.