在使用Mplus進行統計分析時,我們需要設定各種估計方法,但很多同學可能不知道各種估計方法的適用時機,本文將簡介各種常見的估計法。
下圖是Mplus常見的估計方法,當在Mplus中進行結構方程模型(SEM)和確認性因素分析(CFA)等分析方法時,需要設定相應的估計方法
雖然提供很多種方法,其實用到最後,發現常見估計方法就MLR,其它就很少見到了:
1.Maximum Likelihood (ML):
- 使用最大概似法進行參數估計和模型配適。
- 許多統計軟體的默認估計方法
- 數據若非多元正態分佈,容易造成研究結果產生誤差。
- 經典但最近少用了...
2.Weight Least Square with Mean and Variance(WLSMV):
- 適用於處理類別數據
- 對於非常態有一定程度穩健性(robust)
- 計算Chi-Square Difference Testing 時不能直接減,要用mplus 提供的語法
- 其處理遺漏值採用 pairwise present,這不是遺漏值現代解決辦法
- 當中介是二元時,不推薦使用 ML或 MLR來產生間接影響,而應該使用 WLSMV (來源)。
3.Maximum Likelihood Estimation with Robust Standard Errors (MLR):
-MLR parameter estimates are the same as ML and ML using bootstrap
-Bootstrap influences only SEs
-both bootstrap and MLR improve the SEs compared to ML SEs when outliers are present
-Outliers are not defined/developed with bootstrap