“Mplus Path Analysis Example 3.11”的版本间的差异
来自OBHRM百科
（→结果） |
Lichaoping（讨论 | 贡献） （→结果） |
||
| 第11行： | 第11行： | ||
==结果== | ==结果== | ||
| − | <pre>Mplus VERSION 7.4 | + | <pre>Mplus VERSION 7.4 !@ Mplus的版本信息 |
| − | MUTHEN & MUTHEN | + | MUTHEN & MUTHEN !@ Mplus作者信息 |
| − | 03/21/2017 9:59 PM | + | 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 | |
| − | |||
| − | Observed dependent variables | ||
| − | |||
| − | Continuous | ||
| − | Y1 Y2 Y3 | ||
| − | |||
| − | Observed independent variables | ||
X1 X2 X3 | X1 X2 X3 | ||
| − | Estimator ML | + | Estimator ML !@ 估计方法：最大似然法 |
| − | Information matrix OBSERVED | + | Information matrix OBSERVED !@ 信息矩阵：观测数据 |
| − | Maximum number of iterations 1000 | + | Maximum number of iterations 1000 !@ 最大迭代次数1000次 |
| − | Convergence criterion 0.500D-04 | + | Convergence criterion 0.500D-04 !@ 聚合标准（或翻译为收敛标准） |
| − | Maximum number of steepest descent iterations 20 | + | Maximum number of steepest descent iterations 20 !@ 迭代下降最大数：20 |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | Value 4107.449 | + | Input data file(s) !@ 输入文件：ex3.11.dat |
| − | Degrees of Freedom 12 | + | ex3.11.dat; |
| − | P-Value 0.0000 | + | |
| − | + | Input data format FREE !@ 输入文件格式：自由格式，这是Mplus的默认格式 | |
| − | SRMR (Standardized Root Mean Square Residual) | + | |
| + | |||
| + | |||
| + | 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 | Value 0.001 | ||
| 第123行： | 第117行： | ||
| − | MODEL RESULTS | + | MODEL RESULTS !@ 模型结果，非标准化的结果 |
| − | + | ||
| − | Two-Tailed | + | Two-Tailed |
| − | Estimate S.E. Est./S.E. P-Value | + | 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 | Y1 ON | ||
| − | X1 0.992 0.043 22.979 0.000 | + | 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 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 3.052 0.045 68.274 0.000 !@ X3对Y1的非标准化回归系数 |
Y2 ON | Y2 ON | ||
| − | X1 2.935 0.050 59.002 0.000 | + | 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 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 1.023 0.051 19.869 0.000 !@ X3对Y2的非标准化回归系数 |
Y3 ON | Y3 ON | ||
| − | Y1 0.507 0.020 25.491 0.000 | + | 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 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 1.046 0.072 14.540 0.000 !@ X2对Y3的非标准化回归系数 |
| − | Intercepts | + | Intercepts !@ 截距，自变量为0时，因变量的值 |
| − | Y1 -1.064 0.046 -23.059 0.000 | + | Y1 -1.064 0.046 -23.059 0.000 !@ Y1的截距 |
| − | Y2 -0.042 0.053 -0.784 0.433 | + | Y2 -0.042 0.053 -0.784 0.433 !@ Y2的截距 |
| − | Y3 1.068 0.063 17.093 0.000 | + | Y3 1.068 0.063 17.093 0.000 !@ Y3的截距 |
| − | Residual Variances | + | Residual Variances !@ 残差，因变量未能解释的方差 |
| − | Y1 1.061 0.067 15.811 0.000 | + | Y1 1.061 0.067 15.811 0.000 !@ Y1的残差 |
| − | Y2 1.408 0.089 15.811 0.000 | + | Y2 1.408 0.089 15.811 0.000 !@ Y2的残差 |
| − | Y3 1.717 0.109 15.811 0.000 | + | Y3 1.717 0.109 15.811 0.000 !@ Y3的残差 |
| − | STANDARDIZED MODEL RESULTS | + | STANDARDIZED MODEL RESULTS !@ 模型结果，标准化的结果 |
| − | + | ||
| − | + | ||
| − | STDYX Standardization | + | 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 | + | Two-Tailed |
| − | Estimate S.E. Est./S.E. P-Value | + | 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 | Y1 ON | ||
| − | X1 0.254 0.015 16.801 0.000 | + | 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 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 0.758 0.020 37.078 0.000 !@ X3对Y1的标准化回归系数 |
| − | + | ||
| − | Y2 ON | + | Y2 ON |
| − | X1 0.759 0.021 35.491 0.000 | + | 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 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 0.256 0.016 15.680 0.000 !@ X3对Y2的标准化回归系数 |
| − | + | ||
| − | Y3 ON | + | Y3 ON |
| − | Y1 0.375 0.016 23.022 0.000 | + | 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 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 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 | ||
| − | |||
| − | Two-Tailed | + | STDY Standardization !@ 因变量标准化后的结果 |
| − | Estimate S.E. Est./S.E. P-Value | + | |
| + | 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 | Y1 ON | ||
| − | X1 0.238 0.012 19.425 0.000 | + | 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 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 0.731 0.023 32.092 0.000 !@ X3对Y1的标准化回归系数 |
| − | + | ||
| − | Y2 ON | + | Y2 ON |
| − | X1 0.710 0.022 32.309 0.000 | + | 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 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 0.247 0.014 17.668 0.000 !@ X3对Y2的标准化回归系数 |
| − | + | ||
| − | Y3 ON | + | Y3 ON |
| − | Y1 0.375 0.016 23.022 0.000 | + | 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 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 0.186 0.014 13.468 0.000 !@ X2对Y3的标准化回归系数 |
| − | Intercepts | + | Intercepts !@ 截距，自变量为0时，因变量的值 |
| − | Y1 -0.255 0.014 -18.599 0.000 | + | Y1 -0.255 0.014 -18.599 0.000 !@ Y1的截距 |
| − | Y2 -0.010 0.013 -0.784 0.433 | + | Y2 -0.010 0.013 -0.784 0.433 !@ Y2的截距 |
| − | Y3 0.190 0.012 15.238 0.000 | + | 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 | |
| − | STD Standardization | + | |
| − | + | Two-Tailed | |
| − | 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） |
| − | Estimate S.E. Est./S.E. P-Value | ||
Y1 ON | Y1 ON | ||
| − | X1 0.992 0.043 22.979 0.000 | + | 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 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 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 | ||
| − | Y2 | + | 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 | |
| − | |||
| − | |||
| − | Y1 0.939 0.005 177.949 0.000 | ||
| − | Y2 0.918 0.007 130.104 0.000 | ||
| − | Y3 0.946 0.005 201.127 0.000 | ||
QUALITY OF NUMERICAL RESULTS | QUALITY OF NUMERICAL RESULTS | ||
| − | Condition Number for the Information Matrix 0.979E-02 | + | Condition Number for the Information Matrix 0.979E-02 !@ 信息矩阵的条件数 |
(ratio of smallest to largest eigenvalue) | (ratio of smallest to largest eigenvalue) | ||
| − | DIAGRAM INFORMATION | + | DIAGRAM INFORMATION !@ 图形信息 |
| − | + | ||
| − | Use View Diagram under the Diagram menu in the Mplus Editor to view the diagram. | + | 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. | + | 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 | + | Diagram output |
| − | e:\2016\mplus\mptext2.dgm | + | e:\2016\mplus\mptext2.dgm |
| − | + | ||
| − | Beginning Time: 21:59:39 | + | Beginning Time: 21:59:39 !@ 命令语句（程序）开始运行时间 |
| − | Ending Time: 21:59:40 | + | Ending Time: 21:59:40 !@ 命令语句（程序）结束运行时间 |
| − | Elapsed Time: 00:00:01 | + | Elapsed Time: 00:00:01 !@ 程序运行花费时间 |
| − | + | ||
| − | + | ||
| − | + | ||
| − | MUTHEN & MUTHEN | + | MUTHEN & MUTHEN !@ Mplus作者 |
| − | 3463 Stoner Ave. | + | 3463 Stoner Ave. !@ Mplus公司地址 |
| − | Los Angeles, CA 90066 | + | Los Angeles, CA 90066 !@ Mplus所在城市、州、邮编 |
| − | + | ||
| − | Tel: (310) 391-9971 | + | Tel: (310) 391-9971 !@ Mplus电话 |
| − | Fax: (310) 391-8971 | + | Fax: (310) 391-8971 !@ Mplus传真 |
| − | Web: www.StatModel.com | + | Web: www.StatModel.com !@ MPlus官网 |
| − | Support: Support@StatModel.com | + | Support: Support@StatModel.com !@ 客服电子邮件 |
| − | + | ||
| − | Copyright (c) 1998-2015 Muthen & Muthen | + | Copyright (c) 1998-2015 Muthen & Muthen !@ 版权信息</pre> |
2017年3月28日 (二) 08:59的版本
示意图
代码与注释
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。
结果
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
