Mplus常用的估計法簡介

閱讀時間約 3 分鐘
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。
From:DALL·E 2

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
即將進入廣告,捲動後可繼續閱讀
為什麼會看到廣告
193會員
106Content count
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
發表第一個留言支持創作者!
Dr. Rover的研究室 的其他內容
多層次資料問題指的是在社會科學研究中,我們經常透過問卷以班級或學校為單位進行調查,此時收集到的資料很可能存在著多個層次的結構。這意味著我們觀察到的個體或單位被分類或分群到不同的層次中。本文將簡介此用傳統統計分析多層次資料結構的問題和限制
當我們透過潛在類別/剖面/混合分析找出最佳組數後,研究者可能會好奇,這些組數在其它變項是否有差異?事後比較就顯得相當重要,本文將簡介潛在類別/剖面/混合分析事後比較。
Mplus 是一套統計軟體,可用於各種心理學和社會科學研究。它具有強大的功能,可用於進行複雜的統計分析,例如潛在變數分析、多層次分析和縱向分析。要開始使用 Mplus,您需要先下載並安裝軟體。安裝 Mplus 後,您就可以開始編寫 Mplus 語法。Mplus 語法是用來告訴軟體如何進行分析的程式碼
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
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
當我們要確定問卷量表在不同群體(例如:男生和女生)的適用和一致性時,我們就使用多群組測量衡等性檢驗在不同群體,因素和觀察變項之間的關聯是一致。則代表之後統計結果是可信的,反映出真實結果,並非只是量表誤差造成的。
多層次資料問題指的是在社會科學研究中,我們經常透過問卷以班級或學校為單位進行調查,此時收集到的資料很可能存在著多個層次的結構。這意味著我們觀察到的個體或單位被分類或分群到不同的層次中。本文將簡介此用傳統統計分析多層次資料結構的問題和限制
當我們透過潛在類別/剖面/混合分析找出最佳組數後,研究者可能會好奇,這些組數在其它變項是否有差異?事後比較就顯得相當重要,本文將簡介潛在類別/剖面/混合分析事後比較。
Mplus 是一套統計軟體,可用於各種心理學和社會科學研究。它具有強大的功能,可用於進行複雜的統計分析,例如潛在變數分析、多層次分析和縱向分析。要開始使用 Mplus,您需要先下載並安裝軟體。安裝 Mplus 後,您就可以開始編寫 Mplus 語法。Mplus 語法是用來告訴軟體如何進行分析的程式碼
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
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
當我們要確定問卷量表在不同群體(例如:男生和女生)的適用和一致性時,我們就使用多群組測量衡等性檢驗在不同群體,因素和觀察變項之間的關聯是一致。則代表之後統計結果是可信的,反映出真實結果,並非只是量表誤差造成的。
你可能也想看
Thumbnail
1.加權指數與櫃買指數 週五的加權指數在非農就業數據開出來後,雖稍微低於預期,但指數仍向上噴出,在美股開盤後於21500形成一個爆量假突破後急轉直下,就一路收至最低。 台股方面走勢需觀察週一在斷頭潮出現後,週二或週三開始有無買單進場支撐,在沒有明確的反轉訊號形成前,小夥伴盡量不要貿然抄底,或是追空
Thumbnail
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎? 新版式整體視覺上「更加凸顯圖片」,為了搭配這次的更新,我們推出首次貼文策展 ❤️ 使用貼文功能並完成這次的指定任務,還有機會獲得富士即可拍,讓你的美好回憶都可以用即可拍珍藏!
Thumbnail
大型語言模型(Large Language Model,LLM)是一項人工智慧技術,其目的在於理解和生成人類語言,可將其想像成一種高階的「文字預測機器」,然而,它們並非真正理解語言。除了在上篇介紹的技巧可以協助我們在使用 LLM 時給予指示之外,今天我們會介紹使用 LLM 的框架。
Thumbnail
大型語言模型(Large Language Model,LLM)是一項人工智慧技術,其目的在於理解和生成人類語言,可將其想像成一種高階的「文字預測機器」。 Prompt Pattern 是給予LLM的指示,並確保生成的輸出擁有特定的品質(和數量)。
Thumbnail
這篇文章介紹了 iOS 中常用的 Design Patterns,包括 MVC、MVVM、Singleton、Delegation、Observer 等。同時比較了 Delegate 和 Notification 的使用時機。參考資料中還有更多相關資訊。
1.     MACD: MACD是一種趨勢跟蹤動量指標,顯示了一種證券價格的兩個移動平均線之間的關係。交易者使用它來識別趨勢的強度、方向、動量和持續時間的變化。它由MACD線、信號線和長條圖組成。MACD線和信號線的交叉可以提供買入和賣出信號,又稱為快線和慢線。
移動平均線: 移動平均線在技術分析中相信都是排在大家參考的重要工具。它們有助於平滑特定時期內的價格資料,從而更容易識別趨勢。常見類型包括簡單移動平均線(SMA)和指數移動平均線(EMA)。移動平均線的交叉可能會提示黃金交叉潛在的買入或死亡交叉賣出機會。
Thumbnail
在製作 Wireframe、Mockup、PRD 時,通常產品經理會需要根據不同使用情境,事前想好不同使用情境以及對應的回饋方式,這篇會記錄我在規劃產品需求文件時,常會規畫到的 5 種 UI 狀態。
Thumbnail
在皮膚科講到「四環素」我想大家都不陌生,因為在目前痘痘與玫瑰斑的治療,「四環素」的角色還是相當大。其實四環素的臨床應用,在這幾年有新的突破與新的藥物,也期待在不久的將來有需要的民眾也就可以受惠,以下將簡單跟大家介紹一下最新的資訊。
Thumbnail
我不太愛亂花錢 現在住家裡每天消費大概不超過$50元 但為了讓自己不與世界脫節 所以每天幾乎一定會去逛便利商店 買買健身吃的雞肉跟巧克力頂多$60~$70元 但不管是花多少哪怕只有$1元 我還是會用行動支付刷卡+雲端發票載具 1來刷卡累積銀行信用跟賺回饋 2來雲端發票可以省下核對發票時間,同時也不浪
Thumbnail
Hi~大家好~我是Eva 那麼今天想要來跟大家分享一個應該蠻多人知道,而且自己也使用一段時間了的好用小工具——imtoken加密貨幣錢包,他也是目前市場上很主流很多人使用的錢包  
Thumbnail
1.加權指數與櫃買指數 週五的加權指數在非農就業數據開出來後,雖稍微低於預期,但指數仍向上噴出,在美股開盤後於21500形成一個爆量假突破後急轉直下,就一路收至最低。 台股方面走勢需觀察週一在斷頭潮出現後,週二或週三開始有無買單進場支撐,在沒有明確的反轉訊號形成前,小夥伴盡量不要貿然抄底,或是追空
Thumbnail
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎? 新版式整體視覺上「更加凸顯圖片」,為了搭配這次的更新,我們推出首次貼文策展 ❤️ 使用貼文功能並完成這次的指定任務,還有機會獲得富士即可拍,讓你的美好回憶都可以用即可拍珍藏!
Thumbnail
大型語言模型(Large Language Model,LLM)是一項人工智慧技術,其目的在於理解和生成人類語言,可將其想像成一種高階的「文字預測機器」,然而,它們並非真正理解語言。除了在上篇介紹的技巧可以協助我們在使用 LLM 時給予指示之外,今天我們會介紹使用 LLM 的框架。
Thumbnail
大型語言模型(Large Language Model,LLM)是一項人工智慧技術,其目的在於理解和生成人類語言,可將其想像成一種高階的「文字預測機器」。 Prompt Pattern 是給予LLM的指示,並確保生成的輸出擁有特定的品質(和數量)。
Thumbnail
這篇文章介紹了 iOS 中常用的 Design Patterns,包括 MVC、MVVM、Singleton、Delegation、Observer 等。同時比較了 Delegate 和 Notification 的使用時機。參考資料中還有更多相關資訊。
1.     MACD: MACD是一種趨勢跟蹤動量指標,顯示了一種證券價格的兩個移動平均線之間的關係。交易者使用它來識別趨勢的強度、方向、動量和持續時間的變化。它由MACD線、信號線和長條圖組成。MACD線和信號線的交叉可以提供買入和賣出信號,又稱為快線和慢線。
移動平均線: 移動平均線在技術分析中相信都是排在大家參考的重要工具。它們有助於平滑特定時期內的價格資料,從而更容易識別趨勢。常見類型包括簡單移動平均線(SMA)和指數移動平均線(EMA)。移動平均線的交叉可能會提示黃金交叉潛在的買入或死亡交叉賣出機會。
Thumbnail
在製作 Wireframe、Mockup、PRD 時,通常產品經理會需要根據不同使用情境,事前想好不同使用情境以及對應的回饋方式,這篇會記錄我在規劃產品需求文件時,常會規畫到的 5 種 UI 狀態。
Thumbnail
在皮膚科講到「四環素」我想大家都不陌生,因為在目前痘痘與玫瑰斑的治療,「四環素」的角色還是相當大。其實四環素的臨床應用,在這幾年有新的突破與新的藥物,也期待在不久的將來有需要的民眾也就可以受惠,以下將簡單跟大家介紹一下最新的資訊。
Thumbnail
我不太愛亂花錢 現在住家裡每天消費大概不超過$50元 但為了讓自己不與世界脫節 所以每天幾乎一定會去逛便利商店 買買健身吃的雞肉跟巧克力頂多$60~$70元 但不管是花多少哪怕只有$1元 我還是會用行動支付刷卡+雲端發票載具 1來刷卡累積銀行信用跟賺回饋 2來雲端發票可以省下核對發票時間,同時也不浪
Thumbnail
Hi~大家好~我是Eva 那麼今天想要來跟大家分享一個應該蠻多人知道,而且自己也使用一段時間了的好用小工具——imtoken加密貨幣錢包,他也是目前市場上很主流很多人使用的錢包