Mplus培训笔记Word文档下载推荐.docx
《Mplus培训笔记Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《Mplus培训笔记Word文档下载推荐.docx（15页珍藏版）》请在冰豆网上搜索。
•4.DEFINE:
transformexistingvariablesandcreatenewvariables
•5.ANALYSIS:
technicaldetailsoftheanalysis
•6.MODEL:
describethemodeltobeestimated
•7.OUTPUT:
requestadditionaloutput
•8.SAVEDATA:
savetheanalysisdata,auxiliarydata,andresults
•9.PLOT:
requestgraphicaldisplaysofobserveddataandresults
•10.MONTECARLO:
detailsofasimulationstudy
；
命令结束，英文分号
！
注解Mplus自动忽略
软件默认相关，因子分析
By定义测量
F1byy1y2y3;
ON定义回归
F1ONF2自变量在后
With定义相关
十个一级命令出现就加冒号，变蓝色
MONTECARLO：
一般用不着，蒙特卡洛模拟
FORMATISFREE;
一般默认自由格式即可
数据类型
TYPEIS
INDIVIDUAL
...
LISTWISE=ON;
OFF
DATA命令
路径保存时候选择目录会方便建文件夹把数据文件和input放一起
数据格式.dat.txt
spss保存数据格式dat删掉变量名
汇总数据均值标准差协方差矩阵
一般情况下，变量命令有3个功能：
•①定义数据文件中的变量；
•②选择分析使用的变量；
•③定义变量的类型或尺度（scale）。
变量名最多8个字符
常用逻辑运算符合：
•ANDlogicaland
•ORlogicalor
•NOTlogicalnot
•EQequal==
•NEnotequal/=
•GEgreaterthanorequalto>
=
•LElessthanorequalto<
•GTgreaterthan>
•LTlessthan<
变量类型：
✓CONTINUOUS连续
✓CATEGORICAL类别
✓COUNT计数
✓NOMINAL名义
✓CENSORED截尾
数值型标签
•MISSING=y1（9）;
!
变量y1的9代表缺失值。
•MISSING=y1-y10（9）;
变量y1-y10的9代表缺失值。
•MISSING=y1（9）y2（999）;
变量y1的9代表缺失值;
y2的9和99都代表
缺失值。
•MISSING=ALL（9）;
所有变量的9都代表缺失值。
define部分可查命令
分析类型type
参数估计方法ESTIMATOR=参数估计方法；
•=MLM;
稳健极大似然估计
•=ML;
极大似然估计；
•=MLR;
稳健极大似然估计；
•=WLSMV;
加权最小二乘法估计，使用对角加权矩阵伴均值-方差校
正卡方检验。
定义的都是因变量的类型，根据手册和模型，软件自动最优选择
6，THEMOODELCOMMAND
Lstofvariables;
定义方差或残差方差
MODEL-自由估计*
p将默认设置改成自由估计
F1byy1*y2y3y4;
!
在Mplus中执行因素分析时，为了统一测量单位，
程序默认第一个条目的因子负荷为1，通过*可以将程序默认值改为自由
估计。
p指定开始值
F1onF2*0.1;
回归系数的开始值0.1
MODEL-固定参数@
•通过使用@固定某些参数为特定的数值。
•e.g.,
F1byy1y2@0.5y3y4@0.6;
项目y2和y4的因子负荷被分别固定为0.5和0.6;
F1@0;
F1的方差固定为0；
warning警告提示数据错误
IND中介效应侧重整个路径
左边是因变量，右边最后一个是自变量
VIA侧重某一个特定的变量中介效应，用的不多
模型限定：
MOODELCONSTRAINT
加标签可分别计算不同路径
一般是比较哪条效应的作用更大一些
8.0版本可以同时做多个分析
PLOT1直方图2碎石图3潜变量相关
CFA的用途
检验量表或测验的结构效度
检验方法学效应
检验测量不变性
在做量表的适用和跟踪研究时的一致情况检查
流行的共同方法偏差验证h是无效的，40%
探索性因子分析CFAvs.验证性因子分析EFA
事先确定事后推定
分析流程有图
模型识别：
1.指定测量单位，，潜变量是没有单位的首先是设定指标的负荷为1，，另一种是设定方差是1，
两种同时使用是错误的，但Mplus不报错
2.t法则t《=p（p+1）/2
3.三指标法则
4.两指标法则
5.单指标法则
数据奇异值处理
模型拟合卡方检验
显著即拒绝
绝对拟合指数SRMA标准化残差均方根小于0.08理想连续变量
WRMR样本量小于250SRMR用于类别指标不适合
RMSEA受样本量影响小，
CFI比较拟合指数目前使用最广泛最稳健的指标之一对样本量不敏感，小样本也不错<
.85
NFI规范拟合指数不常用
NNFI/TLI非规范拟合指数NNFI
AIC
BIC贝叶斯信息准则
拟合指数评价
模型无对错之分指适合之分
模型比较：
模型验证比较
建议的修正
M.I.大于3,6即是显著的
每次只修改一个
CFA到结构方程模型，
中介调节变量
LatentModeratedStructuralEquations
潜调节结构方程模型
在理论上，中介变量研究内部机制
逐步检验法每步检验一个多次检验，，统计检验力度不高
逐步检验法（CausalStepsApproach）
•逐步检验法（Baron&
Kenny,1986）是使用较多的检验程序，该方法易于理解和
操作，具体步骤如下：
•a.检验总效应系数c是否显著；
•b.检验自变量作用于中介变量效应a是否显著；
•c.检验中介变量作用于因变量效应是b否显著；
•d.检验直接效应c’是否显著。
•在a和b都显著的情况下，如果c’不显著说明存在完全中介（Judd&
Kenny,
1981），否则存在部分中介效应（Baron&
Kenny,1986）。
逐步法评价
•c是否显著并非中介检验的必要前提，因为在有些情况下尽管c不显著仍然存
在实质的中介效应即所谓的抑制模型（Suppressionmodel;
MacKinnon,Krull,
&
Lockwood,2000）。
•如果按照逐步检验法的要求，c必须首先显著否则中介变量无从谈起，而实
际中c不显著而存在实质性中介效应的情况又非常普遍，所以逐步检验法将
错过很多实际存在的中介效应。
•另外，模拟研究发现，与其他方法相比逐步检验法的统计功效最小（e.g.,
MacKinnonetal.,2002;
2004）。
统计值，标准误
z检验用的不多，要求正态分布
检验统计量不符合条件
系数乘积检验法评价
•系数乘积检验法存在的主要问题是，检验统计量依据的正态分布前提很难满
足，特别是样本量较少时。
因为即使a，b分别服从正态分布，ab的乘积也可
能与正态分布存在较大差异
Bootstrapping
•Bootstrap不需要分布假设所以避免了系数乘积检验违反分布假设的问题，而且该方法不
依赖标准误所以避免了不同标准误公式产生结果不一致的问题。
•模拟研究发现，与其他中介效应检验方法相比Bootstrap具有较高的统计效力（e.g.,Briggs,
2006;
Cheung,&
Lau,2008;
MacKinnonetal.,2002,2004）。
•因此，Bootstrapping法是目前比较理想的中介效应检验法（Preacher,&
Hayes,2008;
Hayes,Preacher,&
Myers,2011）。
•Mplus提供两种Bootstrap：
标准的和残差的（Bollen&
Stine,1992;
Enders,2002）。
•残差的Bootstrap只适应于连续变量的ML估计。
通过使用Bootstrap语句以及MODEL
INDIRECT和CINTERVAL，可以得到间接效应的Bootstrap标准误和偏差校正的Bootstrap置
信区间。
•因为涉及到再抽样，所以在估计时要求输入数据为原始数据。
•如果置信区间包括0则说明系数不显著；
如果不包括0说明系数显著。
中介效应分解
•通常分解的内容有:
•
（1）中介效应的大小；
•
（2）中介效应占总效应的比例，ab/ab+c’；
•（3）中介效应与直接效应之比，ab/c’；
•（4）分析特定中介效应即通过某个中介变量的中介效应。
现在最新的是贝叶斯的中介效应检验
新变量定义用define
路径分析的拟合度是1没有意义
自由度和卡方为0
结果主要看哪些？
STANDARDIZEDMODELRESULTS
STDYXStandardization自变量和因变量XY的标准差
STDYStandardization自变量是分类变量的话，只做Y
中介效应看IND
调节变量的检验
概念图和路径图
用潜变量做中介和调节方法LMS
乘积指标法配对原则：
高因子载荷相乘
sem需要系数和拟合指数
mls只需要
升级会员 