在这个包里，可以这样理解，lavaan是基本函数，提供全部参数设定可能，cfa和sem都是lavaan的马甲，只不过部分具体参数已经替你设定了。
三者的输出都是lavaan。
cfa是验证式因子分析模型，sem是常说的结构方程模型，应用上的差异主要体现在二者的第一个参数model通常是不同的，sem处理的model通常需要定义潜变量公式、回归公式和残差公式，而cfa处理的model只需要定义潜变量公式。

你说的第二个问题，不是lavaan的问题，而是lavaan要处理的model的问题。理论上，都是变量，就看变量在公式中的什么位置及如何发挥作用。
我的理解是，结构方程模型的主要目的是潜变量，至于调节变量，如果需要的话，可以在“外层代码”结构上实现。

纯路人，查了一下你说的这个东西，不知道这个答案能不能帮助你，关于区别关于使用

听完您的讲解让人豁然开朗！非常感谢！
但是针对第2个问题，lavaan的标准结构是：
library(lavaan)
model = '
ind60 =~ x1 + x2 + x3   # 左边的表示潜变量，右边表示用来度量这个潜变量的变量
dem60 =~ y1 + y2 + y3 + y4
dem65 =~ y5 + y6 + y7 + y8

dem60 ~ ind60                    ##表示回归，左边是因变量，右边是自变量
dem65 ~ ind60 + dem60            

y1 ~~ y5                         ##表示有相关关系
y2 ~~ y4                     
y3 ~~ y7
y4 ~~ y8
y6 ~~ y8
'
fit = sem(model, data = PoliticalDemocracy)
summary(fit, standardized = TRUE)
#画出路径图
library(semPlot)
semPaths(fit) #可以进行设置


很显然，符号 ～ 可以表示出中介变量结构（这个例子中 dem60是中介变量）
那么针对 调节变量的结构，要怎么表达呢？英文帮助文档里就没有出现过？

再次感谢您～

感谢您的回复，对我很有帮助

通常在回归公式中用“*”定义交互变量，调节变量其实也是交互变量。但在lavaan包中，"*"的作用不一样，好像是对变量x的系数估值进行调整的，在这个包里称为“modifier”，显然和"moderator"调节变量不是一回事。

但这个包的模型语法函数中有个“conditional.x”参数，应该可以实现模型以某个显变量为条件，但是没有示例代码。

我理解，如果调节变量是类别变量的话，是否可以通过分组回归的方式考察该变量的作用。