心理學博士的研究筆記

迴歸分析處理連續變項的，迴歸分析有很多統計問題，HLM（分層線性模型）和SEM（結構方程模型）分別可以解決一些統計問題，但若要排除測量誤差，嵌套數據問題。用Multilevel Structural Equation Modeling(MSEM)方法，本文將簡介MSEM方法。

Mplus是一種用於統計分析和結構方程模型（SEM）的軟體，通常用於處理複雜的數據分析和模型建立。以下是一些Mplus的基本語法示例，用於不同類型的分析。

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。

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。

驗證性因素分析(Confirmatory Factor Analysis, CFA)常被作為檢驗量表或測量工具之建構效度。做SEM前大多會要求每個工具的CFA結果。不僅如此，CFA也可能拿來檢驗測量衡等性的有效工具。本文將簡介驗證性因素分析概念，並介紹如何用Mplus 操作。