Lavaan - 由于二元变量，方差-协方差矩阵是否可以不是正定的？
Lavaan - can the variance-covariance matrix be not positive definite due to binary variables?
总的来说，我对 lavaan 和结构方程建模还比较陌生，非常感谢您对以下问题的任何帮助：
我一直在尝试使用 lavaan 在 R 中建立一个潜在变化模型，使用 Kievit 等人 (2018) (https://www.sciencedirect.com/science/article/pii/S187892931730021X) 中概述的基本设置。我正在尝试对 post COVID 之前抑郁症的变化进行建模，并确定这种变化的预测因素（例如社会经济地位、社会支持等）。
当我 运行 模型时，我收到警告“估计参数 (vcov) 的方差-协方差矩阵似乎不是正定的！最小特征值 (= -7.520784e-18 ) 小于零。这可能是模型未被识别的症状。"
我已尝试进行一些故障排除，但似乎只有在我包含潜在变化分数的二进制预测变量时才会出现问题（我在模型中同时具有二进制（编码为 0-1）和连续预测变量在这一刻）。否则，模型似乎可以正常估计。在一个论坛上，我看到有人争辩说 lavaan 计算积分并且“binary/ordinal 变量需要对潜在变量的分布进行数值积分，并且不适合分析微分”。
我的问题是：包括二进制预测变量可能是识别问题的原因吗？如果是，我将如何在 lavaan 中解决这个问题？如果有帮助，我也很乐意提供代码示例。任何帮助和想法将不胜感激！
I get the warning "The variance-covariance matrix of the estimated parameters (vcov) does not appear to be positive definite! The smallest eigenvalue (= -7.520784e-18) is smaller than zero. This may be a symptom that the model is not identified."
此消息告诉您至少有 2 个参数估计值高度共线。你设置了fixed.x=FALSE吗？二元变量的均值和方差共线（均基于$\pi$：https://mathworld.wolfram.com/BinomialDistribution.html). So if they are estimated for a binary predictor, this message is quite common and can be ignored if there are no other signs of underidentification (e.g., you said the message only appears when including binary predictors). Linda K. Muthen posted a similar response on the Mplus forum February 01, 2013: http://www.statmodel.com/discussion/messages/11/1602.html?1597708138
总的来说，我对 lavaan 和结构方程建模还比较陌生，非常感谢您对以下问题的任何帮助：
我一直在尝试使用 lavaan 在 R 中建立一个潜在变化模型，使用 Kievit 等人 (2018) (https://www.sciencedirect.com/science/article/pii/S187892931730021X) 中概述的基本设置。我正在尝试对 post COVID 之前抑郁症的变化进行建模，并确定这种变化的预测因素（例如社会经济地位、社会支持等）。
当我 运行 模型时，我收到警告“估计参数 (vcov) 的方差-协方差矩阵似乎不是正定的！最小特征值 (= -7.520784e-18 ) 小于零。这可能是模型未被识别的症状。"
我已尝试进行一些故障排除，但似乎只有在我包含潜在变化分数的二进制预测变量时才会出现问题（我在模型中同时具有二进制（编码为 0-1）和连续预测变量在这一刻）。否则，模型似乎可以正常估计。在一个论坛上，我看到有人争辩说 lavaan 计算积分并且“binary/ordinal 变量需要对潜在变量的分布进行数值积分，并且不适合分析微分”。
我的问题是：包括二进制预测变量可能是识别问题的原因吗？如果是，我将如何在 lavaan 中解决这个问题？如果有帮助，我也很乐意提供代码示例。任何帮助和想法将不胜感激！
I get the warning "The variance-covariance matrix of the estimated parameters (vcov) does not appear to be positive definite! The smallest eigenvalue (= -7.520784e-18) is smaller than zero. This may be a symptom that the model is not identified."
此消息告诉您至少有 2 个参数估计值高度共线。你设置了fixed.x=FALSE吗？二元变量的均值和方差共线（均基于$\pi$：https://mathworld.wolfram.com/BinomialDistribution.html). So if they are estimated for a binary predictor, this message is quite common and can be ignored if there are no other signs of underidentification (e.g., you said the message only appears when including binary predictors). Linda K. Muthen posted a similar response on the Mplus forum February 01, 2013: http://www.statmodel.com/discussion/messages/11/1602.html?1597708138