在 R 中使用 OpenMx、sem 或 lavaan 很容易完成 CFA。由于 CFA 是 SEM 的典型案例，所以这三个都非常容易实现，并在各自的文档中提供有用的演练。我个人使用 OpenMx 或 lavaan。如果您使用 OpenMx，请记住一件事，默认情况下它不会为您提供拟合统计信息，您必须首先指定饱和模型（或使用 semTools 包为您执行此操作）。

因为 OpenMx 尚未针对 R 版本 3 进行更新（除非您从源代码编译），所以这里有一个来自lavaan walkthrough的示例。它是一个具有 3 个潜在变量和三个指标的 CFA，所有三个潜在变量之间都有协方差。可以在上面的链接中找到有关所用数据集的更多信息。

# load the lavaan package
require(lavaan)

# specify the model
HS.model <- " visual  =~ x1 + x2 + x3      
              textual =~ x4 + x5 + x6
              speed   =~ x7 + x8 + x9 "

# fit a full CFA model
fit <- cfa(HS.model, data = HolzingerSwineford1939)

# fit an orthogonal CFA model
fitOrth <- cfa(HS.model, data = HolzingerSwineford1939, orthogonal = TRUE)

# Likelihood ratio test between full and orthogonal model
anova(fit, fitOrth)

# display summary output for full model
summary(fit, fit.measures=TRUE)

在这里，我们看到正交模型（所有三个协方差都设置为零）拟合得比完整的 CFA 差得多。这段代码要记住两件事：

1) 在本规范中，x1、x4、x7 的载荷默认固定为 1，以设置 CFA 的比例。这可以通过移动变量来改变。

2）同样默认情况下，残差是自动添加的。这可以通过在模型语法中添加残差回归权重来改变。