付費限定
縱貫式中介和交叉延宕模型之Mplus操作
縱貫式中介模型（Longitudinal Mediation Model）是研究隨著時間的改變，變數X如何通過中介變數M影響變數Y的統計模型。它是長期觀察和分析數據的有用工具，可以揭示X和Y之間的關係以及中介變數M在這個關係中扮演的角色。本文將介紹縱貫式中介模型Mplus操作
事實上，在真實世界中，自變項會發生在中介變項之前，而中介變項在依變項之前。因此中介效果非常適合用在縱貫式研究資料當中。例如:研究者關心人格(自變項)先影響思考(中介)，而思考再影響行為(依變項)。再縱貫式中介模型之前，我們先講解沒有中介變項的交叉延宕模式(Cross‐lagged modle)。請注意，下面介紹的模型中包含潛在構面的模型都建議要通過縱向測量衡等性
因為我們要確定在不同時間中，我們測量到的是不是同一個構念。
交叉延宕模式(Cross‐lagged modle)
交叉延宕模式(Cross‐lagged modle)主要關注自變項和依變項在不同時間的影響，當資料有收集不同時間點的資料，可以將前面時間點之自變項預測後面時間點的依變項；前面時間點之依變項預測後面時間點的自變項。若將前一期預測後一期相同自變項，也就是自我迴歸，這樣模式稱為自我迴歸交叉延宕模式，此模式對於了解變項之間的因果關係有非常大的幫助。
Mplus操作如下
SAMPSTAT選項用於請求正在分析的數據的樣本統計信息。對於連續變量，這些包括樣本平均數、變異量、共變量之類。
Model:x2 on y1 x1; x3 on y2 x2 ;!X交叉延宕+自我迴歸y2 on x1 y1; y3 on x2 y2; !Y交叉延宕+自我迴歸
以行動支持創作者！付費即可解鎖
本篇內容共 4926 字、2
則留言，僅發佈於統計分析 × 學術生涯你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
你的見面禮 Premium 閱讀權限
只剩下0 小時 0 分
225會員
128內容數
文章內容以圖像式和步驟化方式，教您如何在各種統計軟體中(例如:SPSS、R和Mplus)，執行多種統計方法。此外，我還會分享一些學術和科技新知，幫助您在學術之路上走得更順利。
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
擴散模型受非均衡熱力學啟發。非均衡熱力學定義了一個擴散步驟的馬可夫鏈，逐步向資料添加隨機資訊，然後學習如何逆轉擴散過程，從隨機資訊中建構所需的樣本資料。與變分自編碼器（VAE）或以流為基礎的模型不同，擴散模型是通過固定程序學習的，且其潛在變量具有高維度（與原始資料相同）。
從理解大腦如何自動化行為，到學習使用正向回饋與「2分鐘法則」等技巧，我們可以逐步建立好習慣，削減不良行為。運用像 Habitica 這類遊戲化的習慣追蹤工具，結合社群支持和科技的力量，讓我們不僅保持動力，還能在這個過程中獲得成就感。
自我關注的是預測每種情況的結果，由於它過度專注外在世界，它的感覺完全脫離了99.99％的現實．事實上越是透過我們的感官去定義現實，這樣的現實越會成為我們的法則，因為我們把覺察放在哪裡，哪裡就是我們的現實。所以倘若我們把注意力放在身體和物質世界上，被束縛在特定的線性時間中，那麼這就會成為我們的現實。
上個月，看完《腦筋急轉彎2〉後，隔一個週末，在朋友家一起複習了第一集。當年的回憶完全回來，時隔九年重看依然很觸動人心。
還記得當年第一集上映後，不少人對於過度正面思考，甚至剝奪憂傷權利的樂樂感到不滿（啊人家就是樂樂嘛～）。可能因為我本身就是個樂樂成分較多的人，所以看到樂樂逼憂憂待在一個小圈圈不
倪匡的科幻小說<規律>，描寫了一個優秀的科學家，發現自己生活的軌跡和昆蟲幾乎一模一樣時，無法接受而自殺。
開車回家的路上，我思考著是多麼自傲的人格，才會無法接受自己個昆蟲活出相同的軌跡？若是純粹的知識和科學的熱情學者，不是應該兩眼發亮，興奮的說：「什麼，竟然
練習改變自己的「語言表達習慣」
一個人會講甚麼話其實是反應他的內心狀況
所以如果能從重塑講話方式出發
久而久之心理的狀態也會跟著改變喔！
這篇文章，會帶著大家複習以前學過的 區間DP框架，
並且以回文子字串、回文子序列的應用題與概念為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
回文字串的基本定義
s = s[::-1]
也就是說字串s的正序 和 逆序完全相同。
回文字串的基本結構
空字串"
這篇文章，會帶著大家複習以前學過的前綴和框架，
並且以區間和的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
前綴和 prefix sum框架 與 區間和計算的關係式
接下來，我們會用這個上面這種框架，貫穿一些同類型，有關聯的題目
(請讀者、或觀眾
這篇文章，會帶著大家複習以前學過的遞回框架，
並且鏈結串列的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
遞回框架
尋找共通模式(common pattern)，對應到演算法的General case
確立初始條件(initial conditio
八貫 劉宗熹 董事長 (2023/12/14法說會)：
八貫跟我的客人做生意要有點耐心，各位投資我也需要有點耐心。我所有的高端客人都像是硬核桃很難咬開，但一旦咬開之後就會多了很多機會。
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
擴散模型受非均衡熱力學啟發。非均衡熱力學定義了一個擴散步驟的馬可夫鏈，逐步向資料添加隨機資訊，然後學習如何逆轉擴散過程，從隨機資訊中建構所需的樣本資料。與變分自編碼器（VAE）或以流為基礎的模型不同，擴散模型是通過固定程序學習的，且其潛在變量具有高維度（與原始資料相同）。
從理解大腦如何自動化行為，到學習使用正向回饋與「2分鐘法則」等技巧，我們可以逐步建立好習慣，削減不良行為。運用像 Habitica 這類遊戲化的習慣追蹤工具，結合社群支持和科技的力量，讓我們不僅保持動力，還能在這個過程中獲得成就感。
自我關注的是預測每種情況的結果，由於它過度專注外在世界，它的感覺完全脫離了99.99％的現實．事實上越是透過我們的感官去定義現實，這樣的現實越會成為我們的法則，因為我們把覺察放在哪裡，哪裡就是我們的現實。所以倘若我們把注意力放在身體和物質世界上，被束縛在特定的線性時間中，那麼這就會成為我們的現實。
上個月，看完《腦筋急轉彎2〉後，隔一個週末，在朋友家一起複習了第一集。當年的回憶完全回來，時隔九年重看依然很觸動人心。
還記得當年第一集上映後，不少人對於過度正面思考，甚至剝奪憂傷權利的樂樂感到不滿（啊人家就是樂樂嘛～）。可能因為我本身就是個樂樂成分較多的人，所以看到樂樂逼憂憂待在一個小圈圈不
倪匡的科幻小說<規律>，描寫了一個優秀的科學家，發現自己生活的軌跡和昆蟲幾乎一模一樣時，無法接受而自殺。
開車回家的路上，我思考著是多麼自傲的人格，才會無法接受自己個昆蟲活出相同的軌跡？若是純粹的知識和科學的熱情學者，不是應該兩眼發亮，興奮的說：「什麼，竟然
練習改變自己的「語言表達習慣」
一個人會講甚麼話其實是反應他的內心狀況
所以如果能從重塑講話方式出發
久而久之心理的狀態也會跟著改變喔！
這篇文章，會帶著大家複習以前學過的 區間DP框架，
並且以回文子字串、回文子序列的應用題與概念為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
回文字串的基本定義
s = s[::-1]
也就是說字串s的正序 和 逆序完全相同。
回文字串的基本結構
空字串"
這篇文章，會帶著大家複習以前學過的前綴和框架，
並且以區間和的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
前綴和 prefix sum框架 與 區間和計算的關係式
接下來，我們會用這個上面這種框架，貫穿一些同類型，有關聯的題目
(請讀者、或觀眾
這篇文章，會帶著大家複習以前學過的遞回框架，
並且鏈結串列的概念與應用為核心，
貫穿一些相關聯的題目，透過框架複現來幫助讀者理解這個演算法框架。
遞回框架
尋找共通模式(common pattern)，對應到演算法的General case
確立初始條件(initial conditio
八貫 劉宗熹 董事長 (2023/12/14法說會)：
八貫跟我的客人做生意要有點耐心，各位投資我也需要有點耐心。我所有的高端客人都像是硬核桃很難咬開，但一旦咬開之後就會多了很多機會。