Mplus培訓(xùn)記錄材料

1、外顯變量，潛變量分類變量順序變量名義變量都可以實(shí)現(xiàn)潛在類別分析人的分類方法有課件潛在類別調(diào)節(jié)模型模型方差區(qū)分GMM不存在方差MGCFMM 潛在類型和因子因子混合探索性結(jié)構(gòu)方程分析框架：within 個(gè)體內(nèi)between 組間f 因子c 分類SEM 貝葉斯 Bayesian analysis程序語(yǔ)言：? 1.TITLE: a title for the analysis (not part of the syntax)? 2.DATA: (required) information about the data set? 3.VARIABLE: (required) information ab

2、out the variables in the data set? 4.DEFINE: transform existing variables and create new variables? 5.ANALYSIS: technical details of the analysis? 6.MODEL: describe the model to be estimated? 7.OUTPUT: request additional output? 8.SAVEDATA: save the analysis data, auxiliary data, and results? 9.PLOT

3、: request graphical displays of observed data and results10.MONTECARLO: details of a simulation study；命令結(jié)束，英文分號(hào)！注解 Mplus 自動(dòng)忽略軟件默認(rèn)相關(guān)，因子分析By 定義測(cè)量F1 by y1 y2 y3;ON 定義回歸F1 ON F2 自變量在后With 定義相關(guān)十個(gè)一級(jí)命令出現(xiàn)就加冒號(hào)，變藍(lán)色MONTECARLO ： 一般用不著，蒙特卡洛模擬FORMAT IS FREE; 一般默認(rèn)自由格式即可數(shù)據(jù)類型TYPE ISINDIVIDUAL.LISTWISE =ON;OFFDATA 命令

4、路徑保存時(shí)候選擇目錄會(huì)方便建文件夾把數(shù)據(jù)文件和input 放一起數(shù)據(jù)格式.dat .txtspss 保存數(shù)據(jù)格式dat 刪掉變量名匯總數(shù)據(jù)均值 標(biāo)準(zhǔn)差 協(xié)方差矩陣一般情況下，變量命令有3 個(gè)功能：? 定義數(shù)據(jù)文件中的變量；? 選擇分析使用的變量；? 定義變量的類型或尺度(scale) 。變量名 最多 8 個(gè)字符常用邏輯運(yùn)算符合：? AND logical and? OR logical or? NOT logical not? EQ equal =? NE not equal /=>=? GE greater than or equal to? LE less than or equal

5、 to <=? GT greater than >? LT less than <變量類型：? CONTINUOUS 連續(xù)? CATEGORICAL 類別? COUNT 計(jì)數(shù)? NOMINAL 名義CENSORED 截尾數(shù)值型標(biāo)簽? MISSING = y1(9);!y1變量 的 9 代表缺失值。? MISSING = y1 -y10(9);! 變量 y1-y10 的 9 代表缺失值。? MISSING = y1(9) y2(9 99) ;!y1 的 變量9 代表缺失值;y2 的 9 和 99 都代表缺失值。? MISSING = ALL (9) ;!所有變量的 9 都代表缺

6、失值。define 部分可查命令分析類型type參數(shù)估計(jì)方法ESTIMATOR = 參數(shù)估計(jì)方法；? =MLM; 穩(wěn)健極大似然估計(jì)? =ML; 極大似然估計(jì)；? =MLR; 穩(wěn)健極大似然估計(jì)；? =WLSMV; 加權(quán)最小二乘法估計(jì)，使用對(duì)角加權(quán)矩陣伴均值-方差校正卡方檢驗(yàn)。定義的都是因變量的類型，根據(jù)手冊(cè)和模型，軟件自動(dòng)最優(yōu)選擇6 ，THE MOODEL COMMANDLst of variables;定義方差或殘差方差MODEL- 自由估計(jì)*將默認(rèn)設(shè)置改成自由估計(jì)F1 by y1* y2 y3 y4; ! 在 Mplus 中執(zhí)行因素分析時(shí)，為了統(tǒng)一測(cè)量單位，程序默認(rèn)第一個(gè)條目的因子負(fù)荷為1

7、，通過*可以將程序默認(rèn)值改為自由估計(jì)。指定開始值F1 on F2*0.1; ! 回歸系數(shù)的開始值0.1MODEL- 固定參數(shù)? 通過使用 固定某些參數(shù)為特定的數(shù)值。? e.g.,F1 by y1 y2 0.5 y3 y4 0.6;! 項(xiàng)目 y2 和 y4 的因子負(fù)荷被分別固定為0.5 和 0.6;F10; !F1 的方差固定為0；warning 警告提示數(shù)據(jù)錯(cuò)誤IND 中介效應(yīng)側(cè)重整個(gè)路徑 左邊是因變量，右邊最后一個(gè)是自變量VIA 側(cè)重某一個(gè)特定的變量中介效應(yīng)，用的不多模型限定：MOODEL CONSTRAINT加標(biāo)簽 可分別計(jì)算不同路徑一般是比較哪條效應(yīng)的作用更大一些8.0 版本 可以同時(shí)做

8、多個(gè)分析PLOT1 直方圖 2 碎石圖3 潛變量相關(guān)CFA 的用途檢驗(yàn)量表或測(cè)驗(yàn)的結(jié)構(gòu)效度檢驗(yàn)方法學(xué)效應(yīng)檢驗(yàn)測(cè)量不變性在做量表的適用和跟蹤研究時(shí)的一致情況檢查流行的共同方法偏差驗(yàn)證 h 是無(wú)效的，40%探索性因子分析CFA vs. 驗(yàn)證性因子分析EFA事先確定事后推定分析流程有圖模型識(shí)別：1. 指定測(cè)量單位，潛變量是沒有單位的首先是設(shè)定指標(biāo)的負(fù)荷為1 ，另一種是設(shè)定方差是 1 ，兩種同時(shí)使用是錯(cuò)誤的，但Mplus 不報(bào)錯(cuò)2. t 法則 t =p(p+1)/23. 三指標(biāo)法則4. 兩指標(biāo)法則5. 單指標(biāo)法則數(shù)據(jù)奇異值處理模型擬合卡方檢驗(yàn)顯著 即拒絕絕對(duì)擬合指數(shù)SRMA 標(biāo)準(zhǔn)化殘差均方根小于 0.

9、08 理想 連續(xù)變量WRMR 樣本量小于250 SRMR 用于類別指標(biāo)不適合RMSEA 受樣本量影響小，CFI 比較擬合指數(shù)目前使用最廣泛最穩(wěn)健的指標(biāo)之一對(duì)樣本量不敏感，小樣本也不錯(cuò)<.85NFI 規(guī)范擬合指數(shù)不常用NNFI/TLI 非規(guī)范擬合指數(shù)NNFIAICBIC 貝葉斯信息準(zhǔn)則指適合之分M.I. 大于 3,6 即是顯著的CFA 到結(jié)構(gòu)方程模型，調(diào)節(jié)變量Latent Moderated Structural Equations潛調(diào)節(jié)結(jié)構(gòu)方程模型 在理論上，中介變量研究?jī)?nèi)部機(jī)制逐步檢驗(yàn)法每步檢驗(yàn)一個(gè)多次檢驗(yàn)，統(tǒng)計(jì)檢驗(yàn)力度不高逐步檢驗(yàn)法(Causal Steps Approach)? 逐

10、步檢驗(yàn)法(Baron & Kenny, 1986) 是使用較多的檢驗(yàn)程序，該方法易于理解和操作，具體步驟如下：? a . 檢驗(yàn)總效應(yīng)系數(shù)c 是否顯著；? b . 檢驗(yàn)自變量作用于中介變量效應(yīng)a 是否顯著；? c . 檢驗(yàn)中介變量作用于因變量效應(yīng)是b 否顯著；? d . 檢驗(yàn)直接效應(yīng)c 是否顯著。? 在 a 和 b 都顯著的情況下，如果c 不顯著說明存在完全中介 (Judd & Kenny,1981) ，否則存在部分中介效應(yīng)(Baron &Kenny, 1986)。逐步法評(píng)價(jià)? c 是否顯著并非中介檢驗(yàn)的必要前提，因?yàn)樵谟行┣闆r下盡管c 不顯著仍然存在實(shí)質(zhì)的中介效應(yīng)即所謂

11、的抑制模型(Suppression model; MacKinnon, Krull,&Lockwood, 2000)。? 如果按照逐步檢驗(yàn)法的要求，c 必須首先顯著否則中介變量無(wú)從談起，而實(shí)際中 c 不顯著而存在實(shí)質(zhì)性中介效應(yīng)的情況又非常普遍，所以逐步檢驗(yàn)法將錯(cuò)過很多實(shí)際存在的中介效應(yīng)。? 另外，模擬研究發(fā)現(xiàn)，與其他方法相比逐步檢驗(yàn)法的統(tǒng)計(jì)功效最小(e.g.,MacKinnon et al., 2002; 2004)。統(tǒng)計(jì)值，標(biāo)準(zhǔn)誤z 檢驗(yàn)用的不多，要求正態(tài)分布檢驗(yàn)統(tǒng)計(jì)量不符合條件系數(shù)乘積檢驗(yàn)法評(píng)價(jià)? 系數(shù)乘積檢驗(yàn)法存在的主要問題是，檢驗(yàn)統(tǒng)計(jì)量依據(jù)的正態(tài)分布前提很難滿足，特別是樣本量較

12、少時(shí)。因?yàn)榧词筧， b 分別服從正態(tài)分布，ab 的乘積也可能與正態(tài)分布存在較大差異Bootstrapping? Bootstrap 不需要分布假設(shè)所以避免了系數(shù)乘積檢驗(yàn)違反分布假設(shè)的問題，而且該方法不依賴標(biāo)準(zhǔn)誤所以避免了不同標(biāo)準(zhǔn)誤公式產(chǎn)生結(jié)果不一致的問題。? 模擬研究發(fā)現(xiàn)，與其他中介效應(yīng)檢驗(yàn)方法相比Bootstrap 具有較高的統(tǒng)計(jì)效力(e.g.,Briggs,2006;Cheung, & Lau, 2008; MacKinnon et al., 2002,2004)。? 因此， Bootstrapping 法是目前比較理想的中介效應(yīng)檢驗(yàn)法(Preacher, & Hayes,

13、 2008;Hayes, Preacher, & Myers, 2011)。? Mplus 提供兩種Bootstrap ：標(biāo)準(zhǔn)的和殘差的(Bollen & Stine, 1992; Enders, 2002)。? 殘差的 Bootstrap 只適應(yīng)于連續(xù)變量的ML 估計(jì)。通過使用Bootstrap 語(yǔ)句以及MODELINDIRECT 和 CINTERVAL ，可以得到間接效應(yīng)的Bootstrap 標(biāo)準(zhǔn)誤和偏差校正的Bootstrap 置信區(qū)間。? 因?yàn)樯婕暗皆俪闃?，所以在估?jì)時(shí)要求輸入數(shù)據(jù)為原始數(shù)據(jù)。? 如果置信區(qū)間包括0 則說明系數(shù)不顯著；如果不包括0 說明系數(shù)顯著。中介效應(yīng)分解? 通常分解的內(nèi)容有:? (1) 中介效應(yīng)的大??；? (2)中介效應(yīng)占總效應(yīng)的比例，ab/ab+c ；? (3)中介效應(yīng)與直接效應(yīng)之比，ab/c ；? (4) 分析特定中介效應(yīng)即通過某個(gè)中介變量的中介效應(yīng)?，F(xiàn)在最新的是貝葉斯的中