SEM в R с использованием лавы и Amos SPSS
Я пытался воспроизвести модель структурного уравнения (SEM) со скрытыми переменными, которые я использовал в R в Amos, однако результаты кажутся совсем другими. Я новичок в SEM, поэтому заранее простите меня, если я упускаю что-то слишком очевидное. Процесс, которым я следовал в R, выглядит следующим образом:
mod_sem <- '
#measurements
dec =~ first_dhw + speed_dif
#regressions
dec ~ prec_class_code + fol
'
fit_sem <- sem(mod_sem, data = dt_fin)
summary(fit_sem, standardized = TRUE, fit.measures = TRUE)
fitMeasures(fit_sem, c("cfi","rmsea", "srmr", "chisq"))
semPaths(fit_sem, what = "paths", whatLabels = "stand", rotation = 2)
И путь следующий: 
В Amos я выбрал функцию несоответствия максимального правдоподобия (если я не ошибаюсь, lavaan также использует ML) и для вывода: 
Результатом является следующий путь (со стандартизованными оценками):
Как видите, коэффициенты совсем другие. Я также попытался вручную добавить в AMOS коэффициент корреляции между переменными prec_class_code (появляется p в R), но по какой-то причине программа не позволяла мне это сделать. Может ли разница быть связана с типами переменных? И fol, и prec_class_code являются категориальными, кодируются как фиктивные переменные, а first_dhw и speed_dif являются масштабными. (природа переменных на самом деле не важна, поскольку это просто пример для меня, чтобы понять разницу между двумя инструментами). Мы будем очень благодарны за любые идеи и предложения.