Mplus Path Analysis Example 3.18
来自OBHRM百科
示意图
代码与注释
TITLE: this is an example of moderated mediation with a plot of the indirect effect ! 标题
DATA: FILE = ex3.18.dat; ! 数据文件
VARIABLE:NAMES = y m x z; ! 数据文件中变量的名称，按顺序：因变量、中介变量、自变量、调节变量
USEVARIABLES = y m x z xz; ! 分析时使用哪些变量
DEFINE: xz = x*z; ! 定义调节效应变量为xz（自己根据需要命名）xz等于x与z相乘
ANALYSIS:ESTIMATOR = BAYES; ! 贝叶斯估计
PROCESSORS = 2; ! 处理器数量，得看你的计算机有几个处理器
BITERATIONS = (30000); ! 迭代次数最少30000次，最多是50000（默认值）
MODEL: y ON m (b) ! 中介变量到因变量的回归，注意后面没有“;”
x z; ! 自变量、调节变量到因变量的回归，;表示这一句命令结束
m ON x (gamma1) ! 自变量到中介变量的回归，注意后面没有“;”
z ! 调节变量到中介变量的回归，注意后面没有“;”
xz (gamma2); ! 调节效应变量到中介变量的回归，;表示这一句命令结束
MODEL CONSTRAINT:
PLOT(indirect); !
LOOP(mod,-2,2,0.1); ! mod变量循环取值，最小值-2，最大值2，变化幅度0.1（依次为：-2,-1.9,-1.8…）
indirect = b*(gamma1+gamma2*mod); ! 根据mod的值，计算indirect
PLOT: TYPE = PLOT2; ! 画图类型
OUTPUT: STANDARDIZED TECH8; ! 结果：标准化结果，TECH8。
结果
INPUT INSTRUCTIONS !@ 输入的命令语句，会全部显示，下面几行就是输入的命令语句
TITLE:this is an example of moderated mediation with a plot of the indirect effect ! 这是标题，总共只有一行内容，想要多少行，就写多少行
DATA: FILE = ex3.18.dat; ! 读数据文件，文件名要正确，文件路径与对应的分析程序在同一目录下；或标明绝对路径，比如：c:\mplus\ex3.18.dat。
VARIABLE: NAMES = y m x z; ! 读取数据，该数据文件中包括4个变量的数据，变量名称可以自己定。比如，可以是y1-y4，也可以是item1-item4。
USEVARIABLES = y m x z xz; ! 读取y m x z xz 5个变量的数据文件
DEFINE: xz = x*z; ! 定义命令，定义交互变量xz为x乘z。
ANALYSIS: ESTIMATOR = BAYES; ! 数据分析，确定参数估计方法为贝叶斯估计法，进行贝叶斯分析。
PROCESSORS = 2; ! 数据分析使用处理器数量，以加快计算速度。
BITERATIONS = (30000); ! 指定迭代次数的最低值为30000次，最高值为50000次。
MODEL:y ON m (b) ! 变量m预测变量y
x z; ! x z两个变量预测变量y
m ON x (gamma1) ! 变量x预测变量m
z ! 变量z预测变量m
xz (gamma2); ! 交互变量xz预测变量m
MODEL CONSTRAINT: ! 模型限定命令。
PLOT(indirect); ! 绘图命令：绘制间接效应图形
LOOP(mod,-2,2,0.1); ! 循环选项：mod变量循环取值，最小值-2，最大值2，变化幅度0.1（依次为：-2,-1.9,-1.8…）
indirect = b*(gamma1+gamma2*mod); ! 根据mod的值，计算indirect
PLOT: TYPE = PLOT2; ! 提供项目特征曲线，信息曲线，EFA分析时的碎石图等。
OUTPUT:STANDARDIZED TECH8; ! 结果输出为标准化结果,技术报告8.
INPUT READING TERMINATED NORMALLY !输入指令读取正常终止，如果是非正常终止，就需要检查数据或命令语句。
this is an example of moderated mediation with a plot of the indirect effect ! 这是标题，总共只有一行内容，想要多少行，就写多少行
SUMMARY OF ANALYSIS !@ 分析总体情况
Number of groups 1 !@ 1组数据，也就是样本没有分组
Number of observations 150 !@ 样本量150
Number of dependent variables 2 !@ （因）变量2个
Number of independent variables 3 !@ （自）变量3个
Number of continuous latent variables 0 !@ 潜变量0个
Observed dependent variables !@ 观测（因）变量
Continuous !@ 观测（因）变量为连续变量Y M
Y M
Observed independent variables !@ 观测（自）变量X Z XZ
X Z XZ
Estimator BAYES !@ 估计方法：贝叶斯估计法
Specifications for Bayesian Estimation
Point estimate MEDIAN ! 贝叶斯估计点估计的规范：中值
Number of Markov chain Monte Carlo (MCMC) chains 2 ! 马尔可夫链蒙特卡洛链的个数
Random seed for the first chain 0 ! 第一链的随机种子数
Starting value information UNPERTURBED ! 起始值信息:无干扰
Treatment of categorical mediator LATENT ! 分类调解处理:潜在的
Algorithm used for Markov chain Monte Carlo GIBBS(PX1) ! 蒙特卡洛马尔可夫链算法：GIBBS(PX1)
Convergence criterion 0.500D-01 !@ 聚合标准（或翻译为收敛标准）
Maximum number of iterations 50000 !@ 最大迭代次数50000次
K-th iteration used for thinning 1 !@ 用于细化的K次迭代次数
Input data file(s) !@ 输入文件：ex3.18.dat
ex3.18.dat
Input data format FREE !@ 输入文件格式：自由格式，这是Mplus的默认格式
THE MODEL ESTIMATION TERMINATED NORMALLY !@ 模型估计正常终止，如果是非正常终止，就需要检查数据或命令语句
USE THE FBITERATIONS OPTION TO INCREASE THE NUMBER OF ITERATIONS BY A FACTOR
OF AT LEAST TWO TO CHECK CONVERGENCE AND THAT THE PSR VALUE DOES NOT INCREASE.
MODEL FIT INFORMATION !@ 模型拟合指数
Number of Free Parameters 10 !@ 自由参数的个数：10个
Bayesian Posterior Predictive Checking using Chi-Square !@ 基于卡方的贝叶斯后验预测检验
95% Confidence Interval for the Difference Between !@ 观测值与复制卡方值之间差异的95％置信区间
the Observed and the Replicated Chi-Square Values
-7.445 18.769
Posterior Predictive P-Value 0.188 !@ 后验预测P值
Information Criteria !@ 信息标准
Deviance (DIC) 745.265 !@ DIC
Estimated Number of Parameters (pD) 9.913 !@ 参数估计数
Bayesian (BIC) 775.413 !@ BIC
MODEL RESULTS !@ 模型结果，非标准化的结果
Posterior One-Tailed 95% C.I.
Estimate S.D. P-Value Lower 2.5% Upper 2.5% Significance !@ 估计值 标准差 P值（显著性） 2.5%以下 2.5%以上 显著性水平
Y ON
M 0.518 0.057 0.000 0.406 0.630 * !@ M到Y的系数
X 0.142 0.115 0.112 -0.085 0.369 !@ X到Y的系数
Z 0.064 0.058 0.133 -0.050 0.180 !@ Z到Y的系数
M ON
X -0.301 0.166 0.035 -0.629 0.023 !@ X到M的系数
Z 0.002 0.131 0.495 -0.259 0.259 !@ Z到M的系数
XZ -0.177 0.172 0.149 -0.518 0.160 !@ XZ到M的系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y -0.134 0.087 0.063 -0.304 0.037 !@ Y的截距
M -0.037 0.125 0.384 -0.285 0.208 !@ M的截距
Residual Variances !@ 残差，潜变量未能解释的方差
Y 0.471 0.057 0.000 0.376 0.600 * !@ Y的残差
M 1.004 0.120 0.000 0.804 1.276 * !@ M的残差
STANDARDIZED MODEL RESULTS !@ 模型结果，标准化的结果
STDYX Standardization !@ 观测变量、潜变量均标准化后的结果，也就是全部标准化后的结果。一般报告这个结果。
Posterior One-Tailed 95% C.I.
Estimate S.D. P-Value Lower 2.5% Upper 2.5% Significance !@ 估计值 标准差 P值（显著性） 2.5%以下 2.5%以上 显著性水平
Y ON
M 0.616 0.055 0.000 0.498 0.712 * !@ M到Y的系数
X 0.081 0.065 0.112 -0.048 0.207 !@ M到X的系数
Z 0.071 0.064 0.133 -0.055 0.197 !@ M到Z的系数
M ON
X -0.144 0.078 0.035 -0.292 0.011 !@ X到M的系数
Z 0.002 0.122 0.495 -0.239 0.241 !@ Z到M的系数
XZ -0.128 0.121 0.149 -0.360 0.114 !@ XZ到M的系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y -0.154 0.100 0.063 -0.351 0.042 !@ Y的截距
M -0.036 0.121 0.384 -0.277 0.195 !@ M的截距
Residual Variances !@ 残差，潜变量未能解释的方差
Y 0.624 0.063 0.000 0.502 0.752 * !@ Y的残差
M 0.947 0.033 0.000 0.867 0.992 * !@ M的残差
STDY Standardization !@ 观测变量标准化后的结果
Posterior One-Tailed 95% C.I.
Estimate S.D. P-Value Lower 2.5% Upper 2.5% Significance !@ 估计值 标准差 P值（显著性） 2.5%以下 2.5%以上 显著性水平
Y ON
M 0.616 0.055 0.000 0.498 0.712 * !@ M到Y的系数
X 0.163 0.131 0.112 -0.098 0.418 !@ X到Y的系数
Z 0.074 0.066 0.133 -0.057 0.204 !@ Z到Y的系数
M ON
X -0.292 0.157 0.035 -0.590 0.022 !@ X到M的系数
Z 0.002 0.126 0.495 -0.247 0.249 !@ Z到M的系数
XZ -0.172 0.164 0.149 -0.486 0.153 !@ XZ到M的系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y -0.154 0.100 0.063 -0.351 0.042 !@ Y的截距
M -0.036 0.121 0.384 -0.277 0.195 !@ M的截距
Residual Variances !@ 残差，潜变量未能解释的方差
Y 0.624 0.063 0.000 0.502 0.752 * !@ Y的残差
M 0.947 0.033 0.000 0.867 0.992 * !@ M的残差
STD Standardization !@ 潜变量标准化后的结果
Posterior One-Tailed 95% C.I.
Estimate S.D. P-Value Lower 2.5% Upper 2.5% Significance !@ 估计值 标准差 P值（显著性） 2.5%以下 2.5%以上 显著性水平
Y ON
M 0.518 0.057 0.000 0.406 0.630 * !@ M到Y的系数
X 0.142 0.115 0.112 -0.085 0.369 !@ X到Y的系数
Z 0.064 0.058 0.133 -0.050 0.180 !@ Z到Y的系数
M ON
X -0.301 0.166 0.035 -0.629 0.023 !@ X到M的系数
Z 0.002 0.131 0.495 -0.259 0.259 !@ Z到M的系数
XZ -0.177 0.172 0.149 -0.518 0.160 !@ XZ到M的系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y -0.134 0.087 0.063 -0.304 0.037 !@ Y的截距
M -0.037 0.125 0.384 -0.285 0.208 !@ M的截距
Residual Variances !@ 残差，潜变量未能解释的方差
Y 0.471 0.057 0.000 0.376 0.600 * !@ Y的残差
M 1.004 0.120 0.000 0.804 1.276 * !@ M的残差
R-SQUARE !@ R的平方，变量被因子解释的百分比
Posterior One-Tailed 95% C.I.
Variable Estimate S.D. P-Value Lower 2.5% Upper 2.5% !@ 变量 估计值 标准差 P值（显著性） 2.5%以下 2.5%以上
Y 0.376 0.063 0.000 0.248 0.498 !@ Y被F1解释的百分比
M 0.053 0.033 0.000 0.008 0.133 !@ M被F1解释的百分比
TECHNICAL 1 OUTPUT !@ 技术报告1输出结果
PARAMETER SPECIFICATION !@ 参数规格
NU !@ 变量Y M X Z XZ的NU参数规格
Y M X Z XZ
________ ________ ________ ________ ________
1 0 0 0 0 0
LAMBDA
Y M X Z XZ !@ 变量Y M X Z XZ的LAMBDA参数规格
________ ________ ________ ________ ________
Y 0 0 0 0 0
M 0 0 0 0 0
X 0 0 0 0 0
Z 0 0 0 0 0
XZ 0 0 0 0 0
THETA !@ 变量Y M X Z XZ的THETA参数规格
Y M X Z XZ
________ ________ ________ ________ ________
Y 0
M 0 0
X 0 0 0
Z 0 0 0 0
XZ 0 0 0 0 0
ALPHA !@ 变量Y M X Z XZ的ALPHA参数规格
Y M X Z XZ
________ ________ ________ ________ ________
1 1 2 0 0 0
BETA !@ 变量Y M X Z XZ的BETA参数规格
Y M X Z XZ
________ ________ ________ ________ ________
Y 0 3 4 5 0
M 0 0 6 7 8
X 0 0 0 0 0
Z 0 0 0 0 0
XZ 0 0 0 0 0
PSI !@ 变量Y M X Z XZ的PSI参数规格
Y M X Z XZ
________ ________ ________ ________ ________
Y 9
M 0 10
X 0 0 0
Z 0 0 0 0
XZ 0 0 0 0 0
PARAMETER SPECIFICATION FOR THE ADDITIONAL PARAMETERS !@ 附加参数的参数规格
NEW/ADDITIONAL PARAMETERS
INDIRECT MOD
________ ________
1 11 12
STARTING VALUES !@ 自由估计参数起始值
NU !@ 变量Y M X Z XZ的NU参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
1 0.000 0.000 0.000 0.000 0.000
LAMBDA !@ 变量Y M X Z XZ的LAMBDA参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
Y 1.000 0.000 0.000 0.000 0.000
M 0.000 1.000 0.000 0.000 0.000
X 0.000 0.000 1.000 0.000 0.000
Z 0.000 0.000 0.000 1.000 0.000
XZ 0.000 0.000 0.000 0.000 1.000
THETA !@ 变量Y M X Z XZ的THETA参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
Y 0.000
M 0.000 0.000
X 0.000 0.000 0.000
Z 0.000 0.000 0.000 0.000
XZ 0.000 0.000 0.000 0.000 0.000
ALPHA !@ 变量Y M X Z XZ的ALPHA参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
1 -0.162 -0.223 0.000 0.000 0.000
BETA !@ 变量Y M X Z XZ的BETA参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
Y 0.000 0.000 0.000 0.000 0.000
M 0.000 0.000 0.000 0.000 0.000
X 0.000 0.000 0.000 0.000 0.000
Z 0.000 0.000 0.000 0.000 0.000
XZ 0.000 0.000 0.000 0.000 0.000
PSI !@ 变量Y M X Z XZ的PSI参数起始值
Y M X Z XZ
________ ________ ________ ________ ________
Y 0.354
M 0.000 0.501
X 0.000 0.000 0.122
Z 0.000 0.000 0.000 0.468
XZ 0.000 0.000 0.000 0.000 0.275
STARTING VALUES FOR THE ADDITIONAL PARAMETERS !@ 附加参数的起始值
NEW/ADDITIONAL PARAMETERS
INDIRECT MOD
________ ________
1 0.500 0.000
PRIORS FOR ALL PARAMETERS PRIOR MEAN PRIOR VARIANCE PRIOR STD. DEV. !@ 所有参数的先验 先验均值 先验方差 先验标准差
Parameter 1~N(0.000,infinity) 0.0000 infinity infinity
Parameter 2~N(0.000,infinity) 0.0000 infinity infinity
Parameter 3~N(0.000,infinity) 0.0000 infinity infinity
Parameter 4~N(0.000,infinity) 0.0000 infinity infinity
Parameter 5~N(0.000,infinity) 0.0000 infinity infinity
Parameter 6~N(0.000,infinity) 0.0000 infinity infinity
Parameter 7~N(0.000,infinity) 0.0000 infinity infinity
Parameter 8~N(0.000,infinity) 0.0000 infinity infinity
Parameter 9~IG(-1.000,0.000) infinity infinity infinity
Parameter 10~IG(-1.000,0.000) infinity infinity infinity
TECHNICAL 8 OUTPUT !@ 技术报告8输出结果
Kolmogorov-Smirnov comparing posterior distributions across chains 1 and 2 using 100 draws. !@ Kolmogorov-Smirnov用100张图比较了链1和链2之间的后验分布。
Parameter KS Statistic P-value !@ 参数 KS统计量 P值
Parameter 1 0.2100 0.0205 !@ 参数1结果
Parameter 7 0.1500 0.1930 !@ 参数7结果
Parameter 10 0.1200 0.4431 !@ 参数10结果
Parameter 4 0.1200 0.4431 !@ 参数4结果
Parameter 8 0.1000 0.6766 !@ 参数8结果
Parameter 11 0.1000 0.6766 !@ 参数11结果
Parameter 3 0.0800 0.8938 !@ 参数3结果
Parameter 6 0.0600 0.9921 !@ 参数6结果
Parameter 2 0.0600 0.9921 !@ 参数2结果
Parameter 5 0.0400 1.0000 !@ 参数5结果
Parameter 9 0.0300 1.0000 !@ 参数9结果
Parameter 12 0.0000 1.0000 !@ 参数12结果
Simulated prior distributions !@ 模拟的先验分布
Parameter Prior Mean Prior Variance Prior Std. Dev. !@ 参数 先验均值 先验方差 先验标准差
Parameter 1 Improper Prior
Parameter 2 Improper Prior
Parameter 3 Improper Prior
Parameter 4 Improper Prior
Parameter 5 Improper Prior
Parameter 6 Improper Prior
Parameter 7 Improper Prior
Parameter 8 Improper Prior
Parameter 9 Improper Prior
Parameter 10 Improper Prior
Parameter 11 Not available
Parameter 12 Not available
TECHNICAL 8 OUTPUT FOR BAYES ESTIMATION !@ 贝叶斯估计法的技术报告8输出结果
CHAIN BSEED
1 0
2 285380
POTENTIAL PARAMETER WITH
ITERATION SCALE REDUCTION HIGHEST PSR !@ 迭代次数 潜在规模减少 最高PSR参数值
100 1.046 7
200 1.014 8
300 1.012 8
400 1.002 4
500 1.003 5
600 1.001 7
700 1.003 8
800 1.002 4
900 1.001 8
1000 1.001 8
1100 1.002 4
1200 1.002 5
1300 1.004 5
1400 1.003 5
1500 1.003 5
1600 1.005 5
1700 1.003 5
1800 1.002 5
1900 1.003 5
2000 1.002 5
2100 1.002 5
2200 1.001 5
2300 1.002 5
2400 1.001 5
2500 1.001 5
2600 1.002 3
2700 1.002 5
2800 1.001 5
2900 1.001 9
3000 1.001 9
3100 1.001 9
3200 1.001 9
3300 1.001 9
3400 1.001 9
3500 1.001 9
3600 1.001 1
3700 1.001 1
3800 1.000 4
3900 1.000 1
4000 1.000 4
4100 1.000 4
4200 1.001 4
4300 1.000 4
4400 1.000 1
4500 1.001 1
4600 1.001 1
4700 1.001 1
4800 1.000 1
4900 1.000 10
5000 1.001 10
5100 1.000 10
5200 1.000 10
5300 1.000 10
5400 1.000 10
5500 1.001 10
5600 1.001 10
5700 1.000 10
5800 1.000 8
5900 1.000 10
6000 1.000 10
6100 1.000 10
6200 1.000 10
6300 1.000 10
6400 1.000 10
6500 1.000 10
6600 1.000 10
6700 1.000 8
6800 1.000 10
6900 1.000 10
7000 1.000 10
7100 1.000 8
7200 1.000 6
7300 1.000 8
7400 1.000 8
7500 1.000 8
7600 1.000 8
7700 1.000 8
7800 1.000 8
7900 1.000 8
8000 1.000 3
8100 1.000 3
8200 1.000 3
8300 1.000 3
8400 1.000 3
8500 1.000 3
8600 1.000 3
8700 1.000 3
8800 1.000 3
8900 1.000 3
9000 1.000 3
9100 1.000 3
9200 1.000 3
9300 1.000 3
9400 1.000 3
9500 1.000 3
9600 1.000 3
9700 1.000 1
9800 1.000 1
9900 1.000 1
10000 1.000 3
10100 1.000 1
10200 1.000 3
10300 1.000 10
10400 1.000 1
10500 1.000 1
10600 1.000 1
10700 1.000 1
10800 1.000 5
10900 1.000 10
11000 1.000 5
11100 1.000 5
11200 1.000 5
11300 1.000 5
11400 1.000 10
11500 1.000 10
11600 1.000 10
11700 1.000 10
11800 1.000 10
11900 1.000 10
12000 1.000 10
12100 1.000 10
12200 1.000 10
12300 1.000 10
12400 1.000 10
12500 1.000 10
12600 1.000 10
12700 1.000 10
12800 1.000 10
12900 1.000 10
13000 1.000 10
13100 1.000 10
13200 1.000 10
13300 1.000 10
13400 1.000 10
13500 1.000 1
13600 1.000 1
13700 1.000 1
13800 1.000 1
13900 1.000 10
14000 1.000 10
14100 1.000 10
14200 1.000 10
14300 1.000 10
14400 1.000 10
14500 1.000 10
14600 1.000 10
14700 1.000 4
14800 1.000 1
14900 1.000 1
15000 1.000 1
15100 1.000 1
15200 1.000 1
15300 1.000 1
15400 1.000 1
15500 1.000 10
15600 1.000 3
15700 1.000 3
15800 1.000 3
15900 1.000 3
16000 1.000 3
16100 1.000 3
16200 1.000 3
16300 1.000 3
16400 1.000 3
16500 1.000 3
16600 1.000 10
16700 1.000 10
16800 1.000 10
16900 1.000 10
17000 1.000 10
17100 1.000 10
17200 1.000 10
17300 1.000 10
17400 1.000 10
17500 1.000 3
17600 1.000 10
17700 1.000 3
17800 1.000 3
17900 1.000 3
18000 1.000 3
18100 1.000 3
18200 1.000 3
18300 1.000 3
18400 1.000 3
18500 1.000 3
18600 1.000 3
18700 1.000 3
18800 1.000 3
18900 1.000 3
19000 1.000 3
19100 1.000 3
19200 1.000 3
19300 1.000 3
19400 1.000 1
19500 1.000 1
19600 1.000 1
19700 1.000 1
19800 1.000 1
19900 1.000 1
20000 1.000 1
20100 1.000 1
20200 1.000 1
20300 1.000 1
20400 1.000 1
20500 1.000 1
20600 1.000 1
20700 1.000 1
20800 1.000 1
20900 1.000 1
21000 1.000 1
21100 1.000 1
21200 1.000 1
21300 1.000 1
21400 1.000 1
21500 1.000 1
21600 1.000 1
21700 1.000 1
21800 1.000 1
21900 1.000 1
22000 1.000 1
22100 1.000 1
22200 1.000 1
22300 1.000 1
22400 1.000 1
22500 1.000 1
22600 1.000 1
22700 1.000 1
22800 1.000 1
22900 1.000 8
23000 1.000 8
23100 1.000 1
23200 1.000 8
23300 1.000 8
23400 1.000 8
23500 1.000 8
23600 1.000 8
23700 1.000 9
23800 1.000 9
23900 1.000 9
24000 1.000 9
24100 1.000 9
24200 1.000 7
24300 1.000 7
24400 1.000 7
24500 1.000 9
24600 1.000 7
24700 1.000 8
24800 1.000 8
24900 1.000 9
25000 1.000 2
25100 1.000 8
25200 1.000 8
25300 1.000 2
25400 1.000 9
25500 1.000 7
25600 1.000 7
25700 1.000 8
25800 1.000 8
25900 1.000 8
26000 1.000 7
26100 1.000 2
26200 1.000 2
26300 1.000 7
26400 1.000 7
26500 1.000 7
26600 1.000 7
26700 1.000 7
26800 1.000 7
26900 1.000 7
27000 1.000 2
27100 1.000 2
27200 1.000 2
27300 1.000 2
27400 1.000 2
27500 1.000 2
27600 1.000 2
27700 1.000 2
27800 1.000 2
27900 1.000 2
28000 1.000 2
28100 1.000 2
28200 1.000 2
28300 1.000 2
28400 1.000 2
28500 1.000 2
28600 1.000 2
28700 1.000 2
28800 1.000 2
28900 1.000 2
29000 1.000 2
29100 1.000 2
29200 1.000 7
29300 1.000 7
29400 1.000 7
29500 1.000 7
29600 1.000 2
29700 1.000 2
29800 1.000 2
29900 1.000 2
30000 1.000 2
PLOT INFORMATION !@ 图形信息
The following plots are available: !@ 以下图形可利用
Loop plots !@ 循环图
Bayesian posterior parameter distributions !@ 贝叶斯后验参数分布图
Bayesian posterior parameter trace plots !@ 贝叶斯后验参数轨迹图
Bayesian autocorrelation plots !@ 贝叶斯自相关图
Bayesian prior parameter distributions !@ 贝叶斯先验参数分布图
Bayesian posterior predictive checking scatterplots !@ 贝叶斯后验预测检验散布图
Bayesian posterior predictive checking distribution plots !@ 贝叶斯后验预测分布图
DIAGRAM INFORMATION !@ 图形信息
Use View Diagram under the Diagram menu in the Mplus Editor to view the diagram. !@ 在Diagram菜单下显示图形信息
If running Mplus from the Mplus Diagrammer, the diagram opens automatically. !@ 如果是从Mplus Diagrammer运行Mplus，会自动显示图形信息。
Diagram output !图形输出路径
c:\program files\mplus\mplus examples\user's guide examples\ex3.18.dgm
Beginning Time: 23:33:16 !@ 命令语句（程序）开始运行时间
Ending Time: 23:33:22 !@ 命令语句（程序）结束运行时间
Elapsed Time: 00:00:06 !@ 程序运行花费时间
