目录
1 CFA
1.1 CFA 基本语句
1.1.1语句解读
1.1.2 Mplus语句一些常用符号
1.1.3模型拟合指数说明
1.2 CFA MpLUS 示例及结果解读
1.3 备择模型及CFA模型比较
1.4 类别变量CFA
1.5 Subgroup CFA Test invariance
1.5.1 Measurement invariance (MI)介绍
1.5.2 性别作为subgroup MI 示例
# EFA探索性因子分析
#.1 连续变量的EFA
#.2 类别变量的EFA
2 中介模型的检验
2.1 中介模型
2.2 Bootstrap
1.3 use model constraint 设定中介模型
2.5 调节的中介
3 调节模型检验
3.1 潜变量调节模型
3.2 简单效应分析及交互作用图
4 如何报告数据结果
5 代码获取方法
1 CFA
Testing ameasurement model via CFA is always the first step in fitting a structural equationmodel (SEM).
1.1 CFA基本语句
1.1.1语句解读
Title: 可以任意给定，如three factor model
TITLE: three factor model
VARIABLE:！数据文件里所有的变量名
USEVARIABLES= 所使用的变量
MISSING = ALL(-1)！界定缺失值，根据自己的设定可以是-999， -99任意
ANALYSIS:
TYPE = GENERAL
TYPE 主要有四种常见的分析类型
· GENERAL最常用的, CFA, SEM, 一般线性回归模型
· MIXTURE 用于类别变量的模型，最常用的latent class analysis
· TWOLEVEL 多水平数据，可以是连续性及类别变量
· EFA 探索性因子分析
ESTIMATOR= ML!estimation method
如果所有的因变量是连续性变量，可以使用ML (Maximum Likelihood)
如果有一个或多个因变量是类别变量categorical variable，应该使用WLSMV(a weighted least squares estimate)
ITERATIONS= 1000!运行的次数
MODEL:!界定模型
fdback BY FDBACK1 FDBACK2 FDBACK3
rolecon BY ROLECON1 ROLECON2 ROLECON3
OUTPUT:
MOD STAND
MOD modificationindices,
注：BY 是Measured by 的缩写
ON 是regressed on 的缩写
Y ON X Z表示X, Z 为自变量，Y 为因变量
WITH 是co-vary with的缩写，表示相关
XWITH是用来创建潜变量的交互作用
如： X BY X1 X2 X3
Z BY Z1 Z2 Z3
XZWITH | X WITH Z
如果要用潜变量模型求调节模型需要用到。
1.1.2 Mplus语句一些常用符号
@ 是用来set a constraint
X WITH Y@0！如果我们想要设定两个潜变量相关为0，
* 星号用来 free a fixed –by-default parameter
比如X BY X1* X2@1 X3 X4
为了模型识别，Mplus通常默认第一个条目的loading 系数为1，如果你想要改变默认设置，将第二个条目限定loading 系数为1，而第一个条目free to be estimated. 就可以用以上。
() 这个是用来命名特定系数，一般复杂模型比较有用。
Y1 ON X1 (a)
Y2 ON X2 (b)
Model constraint :a = 2*b
1.1.3模型拟合指数说明
CFI, TLI, RMSEA, AIC,BIC Kline (2010):
1.2CFA MpLUS 示例及结果解读
对应代码文件: M1.2 three factor CFA
模型说明：三个变量social support, teamwork, job satisfaction 分别有2个条目测量，验证CFA三因子模型，点击运行MpLUS会给出模型拟合指数及Loading。
根据HU &Bentler CFI TLI 0.95, 0.08 SRMR, .06RMSEA 说明模型拟合指数较好
Loading系数及变量之间的相关。
1.3 备择模型及CFA模型比较
至于如何选择不同的模型，可以参考实证研究
可以试着运行1 factor, or three, 然后根据chi-sq, df比较模型，nested 模型通常比较两个模型的卡方值(卡方值的变化值 M1 卡方-M0卡方，自由度变化值df1-df0,查卡方表是否显著).
Satorra &Bentler(2010)提出一种新的方法，Mplus官网有介绍：
来源：
https://www.statmodel.com/chidiff.shtml
我已把这个公式放在一个EXCEL里面，你只需要MpLUS 里ESTIMATOR = ML, ML修改为MLR，跑两个不同的nestedmodel （M1 M0）,然后会得到相关的几个数据，输入对应的EXCEL，再去查卡方表即可。
1.4 类别变量CFA
只需要添加一行代码说明CATEGORICAL =
对应的ESTIMATOR =WLSMV
1.5 SubgroupCFA Test invariance
1.5.1Measurement invariance (MI)介绍
量表开发，或者纵向追踪数据的时候需要检验 measurement invariance (Van de Schoot,Lugtig, &Hox, 2012).
具体的相关理论方面可以阅读文献 Van de Schoot et al. 2012, 作者详细提供了step by step guide 以及Mplus syntax。
www.fss.uu.nl/mplus(), 打开链接发现作者也是UU的……然而并没有发现Mplus syntax…，但是UU学术笔记提供！
通常检验：
· factorloading, (weak invariance)
· intercepts,(strong invariance)
· andresidual variances (strict invariance)
然后根据1.3提到的模型比较方法比较不同的模型
1.5.2 性别作为subgroup MI 示例
我把三个模型的代码写在一个syntax文件里了，运行的时候只需要删掉前面注释符号!即可Model 1就是普通的CFA不需要添加任何，Model 2, 需要在数据下面添加GROUPING …analysis添加依一句 !MODEL = configural metric scalar
注意:在修改代码时候一定要在英文输入法模式!
输入！Mplus无法识别，mplus依然会运行原本需要忽略的代码，修改为英文!就会变成备注模式
MODEL 2 Stronginvariance
(对应代码文件M1.5.2 strong measurement invariance)
就会得到invariance testing, 以及模型拟合指数
ModeL3 Strict model
（M1.5.3strict measurement invariance）
Strict 模型拟合较差
# EFA探索性因子分析
#.1 连续变量的EFA
EFA比较简单，简单说下 (对应代码文件M0EFA 1-4factor)
只需要选择需要进行EFA 的变量，然后再分析方法指定EFA 然后 1和 4分别指，1-4 factor，运行就可以了
结果就会给出不同模型的比较loading，以及拟合指数
1 factor loadings
Two factors
Three factor
比较发现，two factor , 多个条目出现双载荷cross-loading，三个就更差了，综合模型比较急loading 系数选取单因子模型
#.2 类别变量的EFA
只需要制定categorical variable 即可
2 中介模型的检验
2.1 中介模型
模型说明 teamwork—social support---job satisfaction (代码文件：M2.1 mediation bootstrap)
用潜变量中介模型，每个变量有两个条目
IND: only add atest for the indirect effect
可以看出，所有的回归系数都显著；
中介也是显著
2.2 Bootstrap
以同样的模型为例：teamwork—social support---job satisfaction
在ANALYSIS: 命令下添加Bootstrap = 10000根据Hayes (2013) 一般5000次以上就可以。
相应地，在OUTPUT: CINTERVAL (bcbootstrap)；在代码M2mediation mplus, 已经添加了Bootstrap，只需要删掉前面的！号即可（！在mplus表示注释说明），运行就会获得bootstrap 结果；
只需要不包含0说明结果显著。
1.3 use model constraint 设定中介模型
如果涉及多个中介时候这种方法比较好一些
2.4 结果变量为类别变量的中介模型
以性别作为结果变量，仅仅是为了演示……不然拿性别做因变量恐怕很难说得通
在用到的变量里说明类别变量，分析方法也需要用MLR, a maximum likelihood estimator withrobust standard errors using a numerical integration algorithm will be used (Muthén &Muthén, 2017).
其它把类别变量做自变量之类的，都大同小异，不再赘述。感兴趣的可以看看MpLUS USER GUIDE P.39-40
2.5 调节的中介
对应代码文件M2.5 moderated mediation
新建了交互作用WDxsocsup, 用潜变量或显变量的时候在分析方法交互作用设定都会有所不同。在前文MpLUS语句介绍里有说明 WITH 语句。
其它的结果解读略去。
这里演示的都以潜变量模型为例子，显变量模型可以参考MpLUS USER GUIDE P.37-41
3 调节模型检验
3.1 潜变量调节模型
其实已经在上面中介的调节里有说明了如何创建交互项，潜变量用 WITH 语句
工作资源需求模型的，work demand *social support, 工作资源对工作需求的buffer effect
就简单运行一个调节模型，work demand, social support, and WDxSSUP 对工作满意度的影响
Output 输出代码稍有不同：STAND CINT SAMPSTAT
对应代码文件：3.1 latent moderation
主效应显著，交互作用不显著。
3.2 简单效应分析及交互作用图
说实在在MpLUS里简单效应分析比较麻烦，做出来的原始图也比较丑……
就用显变量模型演示。
对应代码文件：M3.2 Moderation analysis withsimple slope test and plot
首先创建交互项，但是回归分析一般需要数据中心化处理，所以在准备数据的时候最好直接创建交互作用，或者也可以用Define, 然后添加交互作用到usevariables !重要
简单效应分析的第一步是首先跑一个回归模型，如果得到交互作用显著之后，根据概念模型写出对应地回归方程
Stress =b0+age+b1*wkdem + b2*support+b3*DEMxSUP
这里调节变量为sup, 简单效应分析就是调节变量在平均数加减一个标准差之三者之间slope的差异, bo b1等为非标准化的回归系数。
Social support 平均数为3.464, 标准差为0.991, 基于此可以求出，Med, high, low social support这些数据可以通过TECH1 TECH8就可以给出，注MPlus提供的是方差，需要自己计算SD，或者可以用SPSS
LOSUP= 3.464 - 0.991
MEDSUP = 3.464
HISUP = 3.464 + 0.991
然后界定三个slope,
SIMP_LO = b1 +b3*LOSUP
SIMP_MED = b1 + b3*MEDSUP
SIMP_HI = b1 + b3*HISUP
然后上面的公式经过转换，分别界定三条线low, med, high，运行得出结果
发现只有low social support 显著……然后查看具体交互作用图
……以前以为MpLUS 做出来的图丑到无边……其实是没有调整好……
4 如何报告数据结果
可参考已发表实证研究。或关注UU学术笔记，目前我们联合众多博士正在整理管理学及心理学领域Top tier journal 数据结果报告的常用句库，未来一个月内会发在公众号。另外，我们英文写作句库已经发布了引言部分及文献综述、方法部分
Academic writing: method (sentence bank)
写好英文学术论文，你只差一个句库 (Sentence Bank)
5代码获取方法
· 代码都已经在文章截图呈现，所以可以根据自己数据改编。
· 转发至朋友圈获得30个赞同；
· 转发至于300人以上心理学或管理学硕士博士群
发至邮箱uunotebook@163.com，我们会在3个工作日内发给你代码及数据
如果需要MpLUS 软件或者数据准备不清楚，请看
Mplus 7.4 软件及代码
或者如果涉及复杂模型，LCA
Latent Transition Analysis（潜在群组转变）: Mplus分析详解
----
欢迎关注我们一个专注于心理学及管理学领域统计方法（复杂模型Mplus及R软件的应用）及英文写作的公众号
----
另如果涉及统计及代码问题，请在文章下方留言或邮寄。公众号回复48小时就无法回复了。
编辑于 2020-02-06 · 著作权归作者所有
赞同 146
评论
相关推荐
京东PLUS会员的高级特权，很多人都不知道！白浪费了会员费！
棉棉花糖的回答
有什么适合学生党的性价比高的水乳套装推荐吗？
貂馋螺蛳粉的回答
男生怎么短时间内变帅、变白？
我家狗会后空翻的回答
你们的痘痘最后都是怎么完全好的？
我叫陈世美的回答
射频美容仪是伪科学吗？
OO嘴的回答
女生长期脾胃不好，该如何养胃？是在校学生有什么简单高效的方法吗？
算命的说我很爱吃的回答
请问大家一般找工作都是在什么app上找的，boss、58、前程无忧、智联这几个靠谱吗？
陈默Silence的回答
什么狗粮比较好？
铲屎官kimi的回答
知友推荐的山药粉真的能补脾胃吗，喝两个月有什么变化？（个人亲测）
陈住气的回答
2022智能手表保姆级选购指南 | 智能手表怎么选？华为、苹果、华米、OPPO等主流品牌手表深度对比评测（双十二特更）
一昂羊的回答
收起
大家还在搜
人力资源管理5p模型
人力资源amo模型
人力资源管理的模型
精益六西格玛导入阶段
人力资源能力模型
人力资源分析常用模型
人力资源管理常用模型
人力资源345原则
人力资源管理控制程序
人力资源管理大咖
索尼人力资源管理案例
薪酬水平策略有几种模型
塔克曼团队发展阶段模型
塔克曼五阶段模型
成型参数五大要素
蒂蒙斯模型的三要素
人力资源管理kpi指标
osi参考模型的七个层次
人力资源管理七种原则
fms的七个评估动作图
态度转变模型包含要素
osi模型的七个层次设备
osi参考模型七个层次
胜任素质模型6要素
aba的基本训练方法
ecp八要素
塔克曼团队发展阶段模型
塔克曼五阶段模型
相关推荐
十分钟学会有调节的中介分析——MPLUS_知乎
作者:缇娜 在上期内容中,小编为大家简单介绍了有关“有调节的中介模型”的概念、目前发展趋势以及一种数据分析方法(PROCESS).因此本期内容主要聚焦于有调节的中介的另一种数据分析方法——MPLUS. 但是我们说这种方式对于没有...
快速上手MPLUS数据处理_知乎
作者:缇娜潜变量模型发展迅速.然而方法学领域的发展延伸到应用领域需要一段时间.这个时间的长短取决于方法学者的... 01 MPLUS基础知识和操作02 测量模型与验证性因素分析CFA——想做结构方差先从测量模型开始学起03 结构方程模型中...
有调节的中介在Mplus中的实现(调节直接路径)_知乎
当一个模型中既有中介变量,又有调节变量时,如何在Mplus中实现呢?本文的变量均为显变量,调节变量调节的路径为直接效应,即X到Y的这条路径.如果你的模型是第一阶段或第二阶段调节,可以参照本文略作修改.来看下模型长啥样,M为中...
Mplus分析有调节的链式中介模型_知乎
之前我们尝试分析了链式中介,如果有一个变量W调节了M1到M2这条路径的话,我们在链式中介语句的基础上,如何进行分析呢?链式中介的Mplus语句链接:用Mplus分析链式中介如果想从微信公众号上查看本文请关注公众号心理统计与测量:...
有调节的中介在Mplus中的实现及结果详细解读_知乎
在写论文的时候,我们常常会将中介和调节混合使用,
问题一：验证性因子分析的测试步骤 验证性因子分析往往通过结构方程建模来测试。在实际科研中，验证性因子分析的过程也就是测度模型的检验过程。可以进行测度模型及包括因子之间关系的结构方程建模并拟合的统计软件有很多，比如LISREL、AMOS、EQS、MPLUS等。其中最常用的是LISREL。在LISREL这个软件中有三种编程语言：PRELIS是用来作数据处理或简单运算，比如作一些回归分析、计算一个样本的协方差矩阵；LISREL是一种矩阵编程语言，它用矩阵的方式来定义我们在测度项与构件、构件之间的关系，然后采用一个估计方法 (比如极大似然估计) 进行模型拟合；SIMPLIS是一种简化的结构方程编程语言，适合行为研究者用。一般来讲，研究者需要先通过SIMPLIS建立测度模型，然后进行拟合。根据拟合的结果，测度模型可能需要调整，抛弃质量差的测度项，然后再拟合，直到模型的拟合度可以接受为止。
问题二：验证性因子分析的定义 在社会调查研究构成中，研究者首先开发调查问卷。对应于每一个研究者所感兴趣的理论变量，问卷中往往有多个问题。比如，研究者对顾客的忠诚度感兴趣，忠诚度可能用购买频率、主观评估、消费比例等多个问题来衡量。这个理论变量就是因子，这些个别问题是测度项。验证性因子分析就是要检验购买频率、主观评估、消费比例是否真的可以反映忠诚度。与验证性因子分析相对的是探索性因子分析。在探索性因子分析中，比如，因为我们想让数据“自己说话”，我们即不知道测度项与因子之间的关系，也不知道因子的值，所以我们只好按一定的标准(比如一个因子的解释能力) 凑出一些因子来，再来求解测度项与因子关系。探索性因子分析的一个主要目的是为了得到因子的个数。探索的因子分析有一些。第一，它假定。在实际研究中，我们往往会假定一个因子之间没有因果关系，所以可能不会影响另外一个因子的测度项。第二，探索性因子分析假定测度项残差之间是相互独立的。实际上，测度项的残差之间可以因为共同方法偏差、子因子等因素而相关。第三，探索性因子分析强制所有的因子为独立的。这虽然是求解因子个数时不得不采用的机宜之计，却与大部分的研究模型不符。最明显的是，自变量与因变量之间是应该相关的，而不是独立的。这些局限性就要求有一种更加灵活的建模方法，使研究者不但可以更细致地描述测度项与因子之间的关系，而且并对这个关系直接进行测试。而在探索性因子分析中，一个被测试的模型(比如正交的因子) 往往不是研究者理论中的确切的模型。验证性因子分析 (confirmatory factor *** ysis) 的强项正是在于它允许研究者明确描述一个理论模型中的细节。那么一个研究者想描述什么呢？因为测量误差的存在，研究者需要使用多个测度项。当使用多个测度项之后，我们就有测度项的“质量”问题，即效度检验。而效度检验就是要看一个测度项是否与其所设计的因子有显著的载荷，并与其不相干的因子没有显著的载荷。当然，我们可能进一步检验一个测度项工具中是否存在共同方法偏差，一些测度项之间是否存在“子因子”。这些测试都要求研究者明确描述测度项、因子、残差之间的关系。对这种关系的描述又叫测度模型 (measurement model)。对测度模型的检验就是验证性测度模型。对测度模型的质量检验是假设检验之前的必要步骤。
问题三：菜鸟求教，验证性因子分析拟合指标的关系 主成分分析属于探索性因子分析(EFA），和验证性因子分析（CFA）不一样，它们基于不同的原理和计算方法，验证性因子分析往往更容易出现比较好的结果，因为它是在你设定好因子结构的情况下去检验这一种结构和你的数据是否拟合，不一定可以拟合你数据的模型只有一种，但只要你的这一种拟合指标好就OK，而探索性因子分析是完全靠数据说话，数据驱动，这当然更不容易获得满意的结果。如果你主成分分析结果不好，可以尝试直接用验证性因子分析，若是获得满意的结果，可以考虑报告验证性因子分析的结果而不报告主成分分析。
问题四：spss 如何做验证性因子分析 spss20以上纳入了amos，就可以直接做了
我替别人做这类的数据分析蛮多的
问题五：spss 如何做验证性因子分析? spss不能做验证性因子分析哦，要用spss里面的amos模块才行
可以做专业数据分析哦
问题六：如何用验证性因子分析共同方法偏差 我使用的Lisrel，设定 1 个公因子数，使研究中的所有测量项目负荷于这一共同因子，如果模型拟合良好就可以说明存在一个可以解释大多数变异的公共因子。如果分析结果发现所用测量项目负荷于共同因子时的各项拟合指数都不好，则说明研究的共同方法偏差属于可接受范围。
问题七：验证性因子分析 共同方法变异 怎么做 我使用的Lisrel，设定 1 个公因子数，使研究中的所有测量项目负荷于这一共同因子，如果模型拟合良好就可以说明存在一个可以解释大多数变异的公共因子。如果分析结果发现所用测量项目负荷于共同因子时的各项拟合指数都不好，则说明研究的共同方法偏差属于可接受范围。
问题八：如何用 SPSS 进行验证性因子分析 SPSS 不能进行验证性因子分析，只能进行探索性因子分析
用别的软件啊：Amos、Lisrel、Mplus等
问题九：怎么用AMOS对问卷进行验证性因子分析 用amos来做比较好
构建好模型之后运行分析，根据拟合指数以及载荷等判断即可。（南心网 Amos效度分析）
问题十：如何用amos做验证性因子分析 验证性因子分析主要探讨潜变量之间的相关关系而不是因果关系，在SEM中，模型构建分为两块，一块是测量模型，一块是结构模型，测量模型是测量潜变量和观测指标的关系模型，而结构模型则是测量潜变量之间的关系模型；所谓验证性因子分析就是主要探讨结构模型中的相关关系，操作很简单，你把潜变量之间用双箭头联系起来就可以了，当然，这里要注意一点，如果根据理论或者经验推测某两个潜变量之间完全不存在相关的话，可以不用双箭头联系；另外，AMOS里面的 *** ysis properties 模块设置中有个output选项，你点击critical ratios for difference 选项（打勾），运行数据后在text output的报表中可以根据临界比率（p是否小于.05）来判断潜变量之间的关系强度是否显著，如果小于临界比率，建议取消对应的潜变量双箭头。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）