国内OBHRM博导名录
25年11月元分析研讨会
问题、建议与微信群
查看“Mplus Path Analysis Example 3.11”的源代码
←
Mplus Path Analysis Example 3.11
跳转至：
导航
、
搜索
因为以下原因，您没有权限编辑本页：
您所请求的操作仅限于该用户组的用户使用：
用户
您可以查看与复制此页面的源代码。
==示意图== [[文件:0311.jpg | center ]] ==代码与注释== <pre>TITLE: this is an example of a path analysis ! 标题 with continuous dependent variables DATA: FILE IS ex3.11.dat; ! 数据文件 VARIABLE:NAMES ARE y1-y3 x1-x3; ! 数据文件中变量的名称，按顺序：y1,y2,y3,x1,x2,x3 MODEL: y1 y2 ON x1 x2 x3; ! x1,x2,x3分别到y1,y2的回归 y3 ON y1 y2 x2; ! x2,y1,y2到y3的回归 OUTPUT: STANDARDIZED; ! 结果：标准化结果。</pre> ==结果== <pre>Mplus VERSION 7.4 !@ Mplus的版本信息 MUTHEN & MUTHEN !@ Mplus作者信息 03/21/2017 9:59 PM !@ 分析时间 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 a path analysis ! 这是标题，总共两行内容，第一行 with continuous dependent variables ! 第二行，想要多少行，就写多少行 DATA: FILE IS ex3.11.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\ex3.11.dat。 VARIABLE:NAMES ARE y1-y3 x1-x3; ! 数据文件中变量的名称，按顺序：y1,y2,y3,x1,x2,x3 MODEL: y1 y2 ON x1 x2 x3; ! x1,x2,x3分别到y1,y2的回归 y3 ON y1 y2 x2; ! x2,y1,y2到y3的回归 OUTPUT: STANDARDIZED; ! 结果：标准化结果。 *** WARNING Input line exceeded 90 characters. Some input may be truncated. !@ 警告：命令语句的第四行太长，只保留了前90个字符，但是不影响结果 VARIABLE:NAMES ARE y1-y3 x1-x3; ! 数据文件中变量的名称，按顺序：y1,y2,y3,x1,x2,x3 1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS this is an example of a path analysis !@ TITLE，标题 with continuous dependent variables ! 第二行，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 500 !@ 样本量500 Number of dependent variables 3 !@ （因）变量3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 Y1 Y2 Y3 Y1 Y2 Y3 Observed independent variables !@ 观测（自）变量 X1 X2 X3 X1 X2 X3 Estimator ML !@ 估计方法：最大似然法 Information matrix OBSERVED !@ 信息矩阵：观测数据 Maximum number of iterations 1000 !@ 最大迭代次数1000次 Convergence criterion 0.500D-04 !@ 聚合标准（或翻译为收敛标准） Maximum number of steepest descent iterations 20 !@ 迭代下降最大数：20 Input data file(s) !@ 输入文件：ex3.11.dat ex3.11.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 MODEL FIT INFORMATION !@ 模型拟合指数 Number of Free Parameters 15 !@ 自由参数的个数：15个 Loglikelihood !@ 似然函数值的自然对数 H0 Value -2364.002 H1 Value -2363.623 Information Criteria !@ 信息标准 Akaike (AIC) 4758.004 !@ AIC Bayesian (BIC) 4821.223 !@ BIC Sample-Size Adjusted BIC 4773.612 !@ 考虑样本量调整后的BIC值 (n* = (n + 2) / 24) Chi-Square Test of Model Fit !@ 卡方检验的结果 Value 0.757 !@ 卡方值 Degrees of Freedom 3 !@ 自由度 P-Value 0.8598 !@ 显著性 RMSEA (Root Mean Square Error Of Approximation) !@ RMSEA的结果 Estimate 0.000 !@ RMSEA的值 90 Percent C.I. 0.000 0.040 !@ RMSEA的90%置信区间 Probability RMSEA <= .05 0.972 CFI/TLI !@ CFI/TFI的结果 CFI 1.000 !@ CFI的结果 TLI 1.002 !@ TLI的结果 Chi-Square Test of Model Fit for the Baseline Model !@ 基准模型（基线模型）的卡方检验结果 Value 4107.449 !@ 卡方值 Degrees of Freedom 12 !@ 自由度 P-Value 0.0000 !@ 显著性 SRMR (Standardized Root Mean Square Residual) !@ SRMR的结果 Value 0.001 MODEL RESULTS !@ 模型结果，非标准化的结果 Two-Tailed Estimate S.E. Est./S.E. P-Value !@ 估计值 标准误 估计标准误 P值（显著性） Y1 ON X1 0.992 0.043 22.979 0.000 !@ X1对Y1的非标准化回归系数（路径系数，下同） X2 2.001 0.045 44.618 0.000 !@ X2对Y1的非标准化回归系数 X3 3.052 0.045 68.274 0.000 !@ X3对Y1的非标准化回归系数 Y2 ON X1 2.935 0.050 59.002 0.000 !@ X1对Y2的非标准化回归系数 X2 1.992 0.052 38.556 0.000 !@ X2对Y2的非标准化回归系数 X3 1.023 0.051 19.869 0.000 !@ X3对Y2的非标准化回归系数 Y3 ON Y1 0.507 0.020 25.491 0.000 !@ Y1对Y3的非标准化回归系数 Y2 0.746 0.020 37.914 0.000 !@ Y2对Y3的非标准化回归系数 X2 1.046 0.072 14.540 0.000 !@ X2对Y3的非标准化回归系数 Intercepts !@ 截距，自变量为0时，因变量的值 Y1 -1.064 0.046 -23.059 0.000 !@ Y1的截距 Y2 -0.042 0.053 -0.784 0.433 !@ Y2的截距 Y3 1.068 0.063 17.093 0.000 !@ Y3的截距 Residual Variances !@ 残差，因变量未能解释的方差 Y1 1.061 0.067 15.811 0.000 !@ Y1的残差 Y2 1.408 0.089 15.811 0.000 !@ Y2的残差 Y3 1.717 0.109 15.811 0.000 !@ Y3的残差 STANDARDIZED MODEL RESULTS !@ 模型结果，标准化的结果 STDYX Standardization !@ 自变量和因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。 Two-Tailed Estimate S.E. Est./S.E. P-Value !@ 估计值 标准误 估计标准误 P值（显著性） Y1 ON X1 0.254 0.015 16.801 0.000 !@ X1对Y1的标准化回归系数 X2 0.495 0.020 24.957 0.000 !@ X2对Y1的标准化回归系数 X3 0.758 0.020 37.078 0.000 !@ X3对Y1的标准化回归系数 Y2 ON X1 0.759 0.021 35.491 0.000 !@ X1对Y2的标准化回归系数 X2 0.497 0.021 23.938 0.000 !@ X2对Y2的标准化回归系数 X3 0.256 0.016 15.680 0.000 !@ X3对Y2的标准化回归系数 Y3 ON Y1 0.375 0.016 23.022 0.000 !@ Y1对Y3的标准化回归系数 Y2 0.547 0.016 34.161 0.000 !@ Y2对Y3的标准化回归系数 X2 0.192 0.014 13.462 0.000 !@ X2对Y3的标准化回归系数 Intercepts !@ 截距，自变量为0时，因变量的值 Y1 -0.255 0.014 -18.599 0.000 !@ Y1的截距 Y2 -0.010 0.013 -0.784 0.433 !@ Y2的截距 Y3 0.190 0.012 15.238 0.000 !@ Y3的截距 Residual Variances !@ 残差，因变量未能解释的方差 Y1 0.061 0.005 11.537 0.000 !@ Y1的残差 Y2 0.082 0.007 11.671 0.000 !@ Y2的残差 Y3 0.054 0.005 11.497 0.000 !@ Y3的残差 STDY Standardization !@ 因变量标准化后的结果 Two-Tailed Estimate S.E. Est./S.E. P-Value !@ 估计值 标准误 估计标准误 P值（显著性） Y1 ON X1 0.238 0.012 19.425 0.000 !@ X1对Y1的标准化回归系数 X2 0.479 0.017 28.186 0.000 !@ X2对Y1的标准化回归系数 X3 0.731 0.023 32.092 0.000 !@ X3对Y1的标准化回归系数 Y2 ON X1 0.710 0.022 32.309 0.000 !@ X1对Y2的标准化回归系数 X2 0.482 0.018 27.283 0.000 !@ X2对Y2的标准化回归系数 X3 0.247 0.014 17.668 0.000 !@ X3对Y2的标准化回归系数 Y3 ON Y1 0.375 0.016 23.022 0.000 !@ Y1对Y3的标准化回归系数 Y2 0.547 0.016 34.161 0.000 !@ Y2对Y3的标准化回归系数 X2 0.186 0.014 13.468 0.000 !@ X2对Y3的标准化回归系数 Intercepts !@ 截距，自变量为0时，因变量的值 Y1 -0.255 0.014 -18.599 0.000 !@ Y1的截距 Y2 -0.010 0.013 -0.784 0.433 !@ Y2的截距 Y3 0.190 0.012 15.238 0.000 !@ Y3的截距 Residual Variances !@ 残差，因变量未能解释的方差 Y1 0.061 0.005 11.537 0.000 !@ Y1的残差 Y2 0.082 0.007 11.671 0.000 !@ Y2的残差 Y3 0.054 0.005 11.497 0.000 !@ Y3的残差 STD Standardization !@ 自变量标准化后的结果 Two-Tailed Estimate S.E. Est./S.E. P-Value !@ 估计值 标准误 估计标准误 P值（显著性） Y1 ON X1 0.992 0.043 22.979 0.000 !@ X1对Y1的标准化回归系数 X2 2.001 0.045 44.618 0.000 !@ X2对Y1的标准化回归系数 X3 3.052 0.045 68.274 0.000 !@ X3对Y1的标准化回归系数 Y2 ON X1 2.935 0.050 59.002 0.000 !@ X1对Y2的标准化回归系数 X2 1.992 0.052 38.556 0.000 !@ X2对Y2的标准化回归系数 X3 1.023 0.051 19.869 0.000 !@ X3对Y2的标准化回归系数 Y3 ON Y1 0.507 0.020 25.491 0.000 !@ Y1对Y3的标准化回归系数 Y2 0.746 0.020 37.914 0.000 !@ Y2对Y3的标准化回归系数 X2 1.046 0.072 14.540 0.000 !@ X2对Y3的标准化回归系数 Intercepts !@ 截距，自变量为0时，因变量的值 Y1 -1.064 0.046 -23.059 0.000 !@ Y1的截距 Y2 -0.042 0.053 -0.784 0.433 !@ Y2的截距 Y3 1.068 0.063 17.093 0.000 !@ Y3的截距 Residual Variances !@ 残差，因变量未能解释的方差 Y1 1.061 0.067 15.811 0.000 !@ Y1的残差 Y2 1.408 0.089 15.811 0.000 !@ Y2的残差 Y3 1.717 0.109 15.811 0.000 !@ Y3的残差 R-SQUARE !@ R的平方，因变量被自变量解释的百分比 Observed Two-Tailed Variable Estimate S.E. Est./S.E. P-Value !@ 估计值 标准误 估计标准误 P值（显著性） Y1 0.939 0.005 177.949 0.000 !@ Y1被X1,X2,X3解释的百分比 Y2 0.918 0.007 130.104 0.000 !@ Y2被X1,X2,X3解释的百分比 Y3 0.946 0.005 201.127 0.000 !@ Y3被Y1,Y2,X2解释的百分比 QUALITY OF NUMERICAL RESULTS Condition Number for the Information Matrix 0.979E-02 !@ 信息矩阵的条件数 (ratio of smallest to largest eigenvalue) 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 e:\2016\mplus\mptext2.dgm Beginning Time: 21:59:39 !@ 命令语句（程序）开始运行时间 Ending Time: 21:59:40 !@ 命令语句（程序）结束运行时间 Elapsed Time: 00:00:01 !@ 程序运行花费时间 MUTHEN & MUTHEN !@ Mplus作者 3463 Stoner Ave. !@ Mplus公司地址 Los Angeles, CA 90066 !@ Mplus所在城市、州、邮编 Tel: (310) 391-9971 !@ Mplus电话 Fax: (310) 391-8971 !@ Mplus传真 Web: www.StatModel.com !@ MPlus官网 Support: Support@StatModel.com !@ 客服电子邮件 Copyright (c) 1998-2015 Muthen & Muthen !@ 版权信息</pre>
返回至
Mplus Path Analysis Example 3.11
。
导航菜单
个人工具
登录
命名空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
发起人
编辑团队
编辑练手
最近更改
研究量表
全部量表
中文量表
英文量表
主题量表
统计分析
统计资源
SPSS
Jamovi
R
Mplus
开放数据
学术资源
最佳论文
国际期刊
国内期刊
一站阅读
学术会议
国内院校
自科项目
Zotero
教学资源
重要学者
网络课程
调查报告
心理测验
游戏活动
教学案例
电影视频
常用工具
链入页面
相关更改
特殊页面
页面信息
