MPLUS結構方程模型應用:[18]幾種常見的輸出

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