MPLUS-潜变量建模软件 结构方程 多水平模型

01

—

Mplus概述

Mplus 是一个潜变量建模程序，具有多种分析功能：

Mplus 允许将所有这些建模功能组合在一个完全集成的通用潜在变量框架中。

Mplus 是一种统计建模程序，可为研究人员提供一种灵活的工具来分析他们的数据。Mplus 在一个程序中为研究人员提供了广泛的模型、估计器和算法选择，该程序具有易于使用的界面和数据和分析结果的图形显示。Mplus 允许分析横截面和纵向数据、单级和多级数据、来自具有观察到或未观察到的异质性的不同人群的数据以及包含缺失值的数据。可以对连续、删失、二元、有序分类（有序）、无序分类（名义）、计数或这些变量类型的组合的观察变量进行分析。此外，Mplus 具有广泛的蒙特卡罗模拟研究功能，可以根据程序中包含的任何模型生成和分析数据。

Mplus 建模框架借鉴了潜在变量的统一主题。Mplus 建模框架的通用性来自于对连续和分类潜在变量的独特使用。连续潜在变量用于表示与未观察到的结构相对应的因素，与发育个体差异相对应的随机效应，与分层数据中各组系数变化相对应的随机效应，与未观察到的生存时间异质性相对应的弱点，与遗传易感性相对应的负债疾病，以及与缺失数据相对应的潜在反应变量值。分类潜在变量用于表示对应于同质个体群体的潜在类、对应于未观察人群中发展类型的潜在轨迹类、对应于未观察人群的有限混合的混合成分以及对应于缺失数据的潜在响应变量类别。

02

—

Mplus 建模框架

建模数据的目的是以简单的方式描述数据的结构，使其易于理解和解释。从本质上讲，数据建模相当于指定一组变量之间的关系。下图显示了可以在 Mplus 中建模的关系类型。矩形代表观察到的变量。观察变量可以是结果变量或背景变量。背景变量被称为 x；连续和删失的结果变量称为 y；二元、有序分类（序数）、无序分类（名义）和计数结果变量称为 u。圆圈代表潜在变量。允许连续和分类潜在变量。连续的潜在变量被称为 f。分类潜在变量被称为 c。

图中的箭头表示变量之间的回归关系。允许但未在图中具体显示的回归关系包括观察到的结果变量之间、连续潜在变量之间和分类潜在变量之间的回归。对于连续结果变量，使用线性回归模型。对于审查结果变量，使用审查（tobit）回归模型，在审查点有或没有通货膨胀。对于二元和有序分类结果，使用概率或逻辑回归模型。对于无序的分类结果，使用多项逻辑回归模型。对于计数结果，使用泊松和负二项式回归模型，在零点有或没有通货膨胀。

Mplus 中的模型可以包括连续潜在变量、分类潜在变量或连续和分类潜在变量的组合。在上图中，Ellipse A 描述了仅具有连续潜在变量的模型。椭圆 B 描述只有分类潜在变量的模型。完整的建模框架描述了具有连续和分类潜在变量组合的模型。上图的内部和之间部分表明可以使用 Mplus 估计描述个人级别（内部）和集群级别（之间）变化的多级模型。

03

—

Mplus 各版本功能说明

Mplus Base Program

Mplus基础程序

Mplus Base Program and Mixture Add-On

Mplus基础程序和混合组件

Mplus Base Program and Multilevel Add-On

Mplus基础程序和多水平组件

Mplus Base Program and Combination Add-On

Mplus基础程序和组合附加组件

Mplus基础程序估计回归，路径分析，探索性和验证性子分析（EFA和CFA），结构方程（SEM），生长，离散和连续时间生存分析模型。在回归和路径分析模型中，观测因变量可以是连续，删失，二元，有序分类（序数），计数，或这些变量类型的组合。另外，对于非中介变量的回归分析和路径分析，观测因变量可以是非有序分类（名义）。在EFA中，因子指标可以是连续，二元，有序分类（序数），或这些变量类型的组合。在CFA，SEM，和生长模型中，观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；间接效应；对于所有输出类型的极大似然估计；标准误和置信区间的自举；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块。 Mplus基础程序和混合插件包含Mplus基础程序的所有功能。

以及：估计回归混合模型，路径分析混合模型；潜在类别分析；带有多个分类潜在变量的潜在类别分析；对数线性模型；有限混合模型；Complier Average Causal Effect (CACE) 模型；潜在类别生长分析；潜在转移分析，隐马尔科夫模型；以及离散和连续时间生存混合分析。观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；间接效应；对于所有输出类型的极大似然估计；标准误和置信区间的自举；带有随机开始的自动起始值；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块 Mplus基础程序和多水平插件包含了Mplus基础程序的所有功能。

以及：使用多水平模型估计聚类数据模型。这些模型包括多水平回归分析，多水平路径分析，多水平因子分析，多水平结构方程建模，多水平生长建模，和多水平离散和连续时间生存模型。在多水平分析中，观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；对于所有输出类型的极大似然估计；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块。 Mplus基础程序和组合插件包含Mplus基础程序、混合和多水平插件的所有功能。

以及：处理聚类数据和潜在类别在同一个模型中的情况，例如，二水平回归混合分析，二水平混合验证性因子分析（CFA），和结构方程建模(SEM）,二水平潜在类别分析，多水平生长混合建模，二水平离散和连续时间生存混合分析。其它特别的功能包括缺失数据估计；复杂调查数据分析，包括分层，聚类，和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；对于所有输出类型的极大似然估计；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块.