MPLUS結構方程模型應用：[18]幾種常見的輸出

遊戲數碼

有的時候我們發現結果中缺少許多我們想看到的結果，比如標準化的結果，比如相關等等。我們接下來介紹幾種我們常用的output的語句及其功能。形式即為 output：命令；

工具/原料

mplus 7.0

方法/步驟

sampstat(大小寫沒有關係）。非常有用要求提供樣本統計量及對應的標準誤。在連續變量時為均值、方差、協方差和相關係數，只有指標，沒有潛變量。類別變量時為門欄值，二分因變量時的一階和二階樣本比率；四分相關，多及相關，多系列相關等信息。

patterns,這個參數在有缺失值的情況下非常有用，我們經常需要報告缺失值的類型，那麼這個參數很好的幫你總結了missing的模式。如下圖，5個變量有9中缺失方式，x代表沒有缺失，每種缺失的個數在下面有標明。

standardized；這個是我們經常要用到的，因為我們總是希望能夠看到標準化的解。但是像一般路徑分析模型中，標準化的解不提供P值，但是也沒關係，因為在非標準化中已經有了。standardized總共有三種形式，我們可以直接寫stdyx stdy std;第一種stdyx是自變量和因變量都進行標準化，包括潛變量和結局變量以及背景變量的方差，第二種stdy是標準化連續潛變量和結局變量的方差，而std只是標準化連續潛變量的方差，前面兩種t值基本不變，所以沒有什麼區別。

residual;提供觀察變量的殘差值。

crosstabs;提供類別變量間的交叉頻率表

cinterval:報告參數置信區間值，特別是在bootstrap的時候用的較多

modindices;提供模型修正指數、期望參數變化指數和兩種標準化期望參數變化等信息。默認大於10，需要報告所有值的時候用modindices(all),需要大於一定值只需將all換成相應的值即可。

同時mplus還提供14中技術報告，我們只需要知道其中比較常用的即可。

tech1 包括參數的設置有多少個，自由估計參數開始值等等

tech3 提供估計的協方差和相關矩陣，注意這裡是估計的，而不是樣本的。

tech4 提供模型中潛變量的均值，協方差和相關係數等，而不是sampstat中提供的連續結果變量的均值。

接下來幾個是混合模型（有潛類別的）分析時用到的

TECH11 報告lmr檢驗和校正檢驗，用於比較M各潛類別模型和M-1個潛類別模型間的差異，顯著的P值說明拒絕M-1個潛類別模型而支持估計的模型，僅適用於MLR估計法。

tech12 提供觀測和估計的均值、方差、協方差、但變量偏態和峰態值之間的殘差。

tech13 模型擬合單變量、二分、多遠偏態和峰態模型的雙側檢驗。

tech14 報告blrt參數用於確定潛類別個數。

原作者：delta數據工作室

本文內容整理自網絡, 文中所有觀點看法不代表淘大白的立場