Mplus SEM Example 5.13
来自OBHRM百科
Lichaoping（讨论 | 贡献）2017年9月22日 (五) 21:24的版本 （创建页面，内容为“==代码与注释== <pre>TITLE:this is an example of a SEM with ! 这是标题，总共三行内容，第一行 continuous facto...”）
代码与注释
TITLE:this is an example of a SEM with ! 这是标题，总共三行内容，第一行
continuous factor indicators and an ! 第二行
interaction between two latent variables ! 第三行，想要多少行，就写多少行
DATA:FILE IS ex5.13.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\ex5.13.dat。
VARIABLE: NAMES ARE y1-y12; ! 读取数据，该数据文件中包括12个变量的数据，变量名称可以自己定。比如，可以是y1-y12，也可以是item1-item12。
ANALYSIS: TYPE = RANDOM; ! 数据分析，确定分析的类型为随机系数模型。
ALGORITHM = INTEGRATION; ! 数据分析，确定算法为积分。
MODEL: f1 BY y1-y3; ! 定义第1个因素，该因素的测量指标有：y1,y2,y3。如果上面为item1-item12，则修改为item1-item3。
f2 BY y4-y6; ! 定义第2个因素，该因素的测量指标有：y4,y5,y6。
f3 BY y7-y9; ! 定义第3个因素，该因素的测量指标有：y7,y8,y9。
f4 BY y10-y12; ! 定义第4个因素，该因素的测量指标有：y10,y11,y12。
f4 ON f3; ! 因子f3变量预测因子f4
f3 ON f1 f2; ! 因子f1 f2两个变量预测因子f3
f1xf2 | f1 XWITH f2; ! 用f1xf2表示交互变量f1f2的随机交互系数
f3 ON f1xf2; ! 因子f1xf2变量预测因子f3
OUTPUT:STANDARDIZED TECH1 TECH8; ! 输出结果为标准化结果,技术报告1、技术报告8。
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 a SEM with ! 这是标题，总共三行内容，第一行
continuous factor indicators and an ! 第二行
interaction between two latent variables ! 第三行，想要多少行，就写多少行
DATA:FILE IS ex5.13.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\ex5.13.dat。
VARIABLE: NAMES ARE y1-y12; ! 读取数据，该数据文件中包括12个变量的数据，变量名称可以自己定。比如，可以是y1-y12，也可以是item1-item12。
ANALYSIS: TYPE = RANDOM; ! 数据分析，确定分析的类型为随机系数模型。
ALGORITHM = INTEGRATION; ! 数据分析，确定算法为积分。
MODEL: f1 BY y1-y3; ! 定义第1个因素，该因素的测量指标有：y1,y2,y3。如果上面为item1-item12，则修改为item1-item3。
f2 BY y4-y6; ! 定义第2个因素，该因素的测量指标有：y4,y5,y6。
f3 BY y7-y9; ! 定义第3个因素，该因素的测量指标有：y7,y8,y9。
f4 BY y10-y12; ! 定义第4个因素，该因素的测量指标有：y10,y11,y12。
f4 ON f3; ! 因子f3变量预测因子f4
f3 ON f1 f2; ! 因子f1 f2两个变量预测因子f3
f1xf2 | f1 XWITH f2; ! 用f1xf2表示交互变量f1f2的随机交互系数
f3 ON f1xf2; ! 因子f1xf2变量预测因子f3
OUTPUT:STANDARDIZED TECH1 TECH8; ! 输出结果为标准化结果,技术报告1、技术报告8。
INPUT READING TERMINATED NORMALLY !@ 输入读取正常终止，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 a SEM with ! 这是标题，总共三行内容，第一行
continuous factor indicators and an ! 第二行
interaction between two latent variables ! 第三行，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 12 !@ （因）变量12个
Number of independent variables 0 !@ （自）变量0个
Number of continuous latent variables 5 !@ 潜变量5个
Observed dependent variables !@ 观测（因）变量
Continuous
Y1 Y2 Y3 Y4 Y5 Y6 !@ 观测（因）变量为连续变量 Y1 Y2 Y3 Y4 Y5 Y6
Y7 Y8 Y9 Y10 Y11 Y12 !@ 观测（因）变量为连续变量 Y7 Y8 Y9 Y10 Y11 Y12
Continuous latent variables !@ 潜变量 F1 F2 F3 F4 F1XF2
F1 F2 F3 F4 F1XF2
Estimator MLR !@ 估计方法：稳健最大似然法
Information matrix OBSERVED !@ 信息矩阵：观测数据
Optimization Specifications for the Quasi-Newton Algorithm for
Continuous Outcomes
Maximum number of iterations 100 !@ 最大迭代次数100次
Convergence criterion 0.100D-05 !@ 聚合标准（或翻译为收敛标准）
Optimization Specifications for the EM Algorithm !@ EM算法的最优化规范
Maximum number of iterations 500 !@ 最大迭代次数500次
Convergence criteria !@ 聚合标准（或翻译为收敛标准）
Loglikelihood change 0.100D-02 !@ 似然函数值的自然对数变化
Relative loglikelihood change 0.100D-05 !@ 似然函数值的自然对数相对变化
Derivative 0.100D-02 !@ 导数
Optimization Specifications for the M step of the EM Algorithm for !@ 分类潜变量EM算法M阶的最优化规范
Categorical Latent variables
Number of M step iterations 1 !@ M阶迭代次数
M step convergence criterion 0.100D-02 !@ M阶聚合标准（或翻译为M阶收敛标准）
Basis for M step termination ITERATION !@ M阶终止的基准
Optimization Specifications for the M step of the EM Algorithm for !@ 截尾、二元或有序分类（序数）、无序分类（名义）和计数结果EM算法M阶的最优化规范
Censored, Binary or Ordered Categorical (Ordinal), Unordered
Categorical (Nominal) and Count Outcomes
Number of M step iterations 1 !@ M阶迭代次数
M step convergence criterion 0.100D-02 !@ M阶聚合标准（或翻译为M阶收敛标准）
Basis for M step termination ITERATION !@ M阶终止的基准
Maximum value for logit thresholds 15 !@ logit阈值的最大值
Minimum value for logit thresholds -15 !@ logit阈值的最小值
Minimum expected cell size for chi-square 0.100D-01 !@ 卡方最小期望单元尺寸
Optimization algorithm EMA !@ 最优化算法
Integration Specifications
Type STANDARD !@ 标准化类型
Number of integration points 15 !@ 积分点数
Dimensions of numerical integration 2 !@ 数值积分的维度
Adaptive quadrature ON !@ 调适数值积分法
Cholesky OFF !@ Cholesky分解法
Input data file(s) !@ 输入文件：ex5.13.dat
ex5.13.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 41 !@ 自由参数的个数：41个
Loglikelihood !@ 似然函数值的自然对数
H0 Value -9672.065
H0 Scaling Correction Factor 1.0047
for MLR
Information Criteria !@ 信息标准
Akaike (AIC) 19426.131 !@ AIC
Bayesian (BIC) 19598.930 !@ BIC
Sample-Size Adjusted BIC 19468.793 !@ 考虑样本量调整后的BIC值
(n* = (n + 2) / 24)
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）
F1 BY
Y1 1.000 0.000 999.000 999.000 !@ Y1的非标准化因子负荷，999.000代表没有计算，也就是没有这个结果（下同）
Y2 1.031 0.076 13.659 0.000 !@ Y2的非标准化因子负荷
Y3 1.071 0.081 13.212 0.000 !@ Y3的非标准化因子负荷
F2 BY
Y4 1.000 0.000 999.000 999.000 !@ Y4的非标准化因子负荷，999.000代表没有计算，也就是没有这个结果（下同）
Y5 0.856 0.072 11.807 0.000 !@ Y5的非标准化因子负荷
Y6 0.762 0.080 9.500 0.000 !@ Y6的非标准化因子负荷
F3 BY
Y7 1.000 0.000 999.000 999.000 !@ Y7的非标准化因子负荷，999.000代表没有计算，也就是没有这个结果（下同）
Y8 0.910 0.049 18.423 0.000 !@ Y8的非标准化因子负荷
Y9 0.918 0.058 15.832 0.000 !@ Y9的非标准化因子负荷
F4 BY
Y10 1.000 0.000 999.000 999.000 !@ Y10的非标准化因子负荷，999.000代表没有计算，也就是没有这个结果（下同）
Y11 0.671 0.070 9.608 0.000 !@ Y11的非标准化因子负荷
Y12 0.542 0.059 9.246 0.000 !@ Y12的非标准化因子负荷
F4 ON
F3 0.585 0.050 11.679 0.000 !@ F3到F4的系数
F3 ON
F1 0.439 0.066 6.676 0.000 !@ F1到F3的系数
F2 0.812 0.085 9.587 0.000 !@ F2到F3的系数
F1XF2 0.397 0.062 6.385 0.000 !@ F1xF2到F3的系数
F2 WITH
F1 0.054 0.069 0.780 0.435 !@ F1 F2的协方差
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y1 -0.011 0.066 -0.162 0.871 !@ Y1的截距
Y2 -0.011 0.066 -0.162 0.871 !@ Y2的截距
Y3 -0.021 0.066 -0.325 0.746 !@ Y3的截距
Y4 -0.118 0.063 -1.876 0.061 !@ Y4的截距
Y5 -0.083 0.056 -1.475 0.140 !@ Y5的截距
Y6 -0.104 0.057 -1.838 0.066 !@ Y6的截距
Y7 -0.082 0.073 -1.123 0.261 !@ Y7的截距
Y8 -0.096 0.066 -1.458 0.145 !@ Y8的截距
Y9 -0.119 0.066 -1.798 0.072 !@ Y9的截距
Y10 0.030 0.066 0.450 0.653 !@ Y10的截距
Y11 -0.023 0.056 -0.401 0.688 !@ Y11的截距
Y12 -0.013 0.054 -0.235 0.814 !@ Y12的截距
Variances !@ 因子方差
F1 1.112 0.138 8.041 0.000 !@ F1的方差，999.000代表没有计算，也就是没有这个结果（下同）
F2 0.971 0.133 7.309 0.000 !@ F2的方差，999.000代表没有计算，也就是没有这个结果（下同）
Residual Variances !@ 残差，潜变量未能解释的方差
Y1 1.044 0.093 11.221 0.000 !@ Y1的残差
Y2 1.007 0.093 10.880 0.000 !@ Y2的残差
Y3 0.895 0.091 9.800 0.000 !@ Y3的残差
Y4 1.011 0.095 10.599 0.000 !@ Y4的残差
Y5 0.882 0.078 11.296 0.000 !@ Y5的残差
Y6 1.053 0.080 13.163 0.000 !@ Y6的残差
Y7 1.101 0.098 11.261 0.000 !@ Y7的残差
Y8 0.936 0.080 11.635 0.000 !@ Y8的残差
Y9 0.982 0.079 12.360 0.000 !@ Y9的残差
Y10 0.911 0.121 7.545 0.000 !@ Y10的残差
Y11 1.015 0.082 12.439 0.000 !@ Y11的残差
Y12 1.049 0.072 14.640 0.000 !@ Y12的残差
F3 0.471 0.089 5.298 0.000 !@ F3的残差
F4 0.756 0.119 6.357 0.000 !@ F4的残差
QUALITY OF NUMERICAL RESULTS
Condition Number for the Information Matrix 0.302E-01 !@ 信息矩阵的条件数
(ratio of smallest to largest eigenvalue)
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。
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）
F1 BY
Y1 0.718 0.029 24.583 0.000 !@ Y1的标准化因子负荷
Y2 0.735 0.027 27.033 0.000 !@ Y2的标准化因子负荷
Y3 0.767 0.029 26.495 0.000 !@ Y3的标准化因子负荷
F2 BY
Y4 0.700 0.035 19.955 0.000 !@ Y4的标准化因子负荷
Y5 0.668 0.034 19.462 0.000 !@ Y5的标准化因子负荷
Y6 0.591 0.039 15.249 0.000 !@ Y6的标准化因子负荷
F3 BY
Y7 0.763 0.026 29.855 0.000 !@ Y7的标准化因子负荷
Y8 0.759 0.025 30.659 0.000 !@ Y8的标准化因子负荷
Y9 0.754 0.026 29.119 0.000 !@ Y9的标准化因子负荷
F4 BY
Y10 0.765 0.037 20.830 0.000 !@ Y01的标准化因子负荷
Y11 0.602 0.039 15.615 0.000 !@ Y11的标准化因子负荷
Y12 0.514 0.040 12.773 0.000 !@ Y12的标准化因子负荷
F4 ON
F3 0.640 0.043 14.862 0.000 !@ F3到F4的系数
F3 ON
F1 0.373 0.051 7.317 0.000 !@ F1到F3的系数
F2 0.646 0.040 16.168 0.000 !@ F2到F3的系数
F1XF2 0.333 0.047 7.101 0.000 !@ F1XF2到F3的系数
F2 WITH
F1 0.052 0.066 0.784 0.433 !@ F1 F2之间的相关系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y1 -0.007 0.045 -0.162 0.871 !@ Y1的截距
Y2 -0.007 0.045 -0.162 0.871 !@ Y2的截距
Y3 -0.015 0.045 -0.324 0.746 !@ Y3的截距
Y4 -0.084 0.045 -1.875 0.061 !@ Y4的截距
Y5 -0.066 0.045 -1.473 0.141 !@ Y5的截距
Y6 -0.082 0.045 -1.836 0.066 !@ Y6的截距
Y7 -0.050 0.045 -1.121 0.262 !@ Y7的截距
Y8 -0.065 0.045 -1.452 0.146 !@ Y8的截距
Y9 -0.079 0.044 -1.782 0.075 !@ Y9的截距
Y10 0.020 0.045 0.449 0.653 !@ Y10的截距
Y11 -0.018 0.045 -0.401 0.688 !@ Y11的截距
Y12 -0.011 0.045 -0.235 0.814 !@ Y12的截距
Variances !@ 因子方差
F1 1.000 0.000 999.000 999.000 !@ F1的方差。999.000代表没有计算，也就是没有这个结果（下同）
F2 1.000 0.000 999.000 999.000 !@ F2的方差。999.000代表没有计算，也就是没有这个结果（下同）
Residual Variances !@ 残差，潜变量未能解释的方差
Y1 0.484 0.042 11.548 0.000 !@ Y1的残差
Y2 0.460 0.040 11.506 0.000 !@ Y2的残差
Y3 0.412 0.044 9.288 0.000 !@ Y3的残差
Y4 0.510 0.049 10.390 0.000 !@ Y4的残差
Y5 0.554 0.046 12.073 0.000 !@ Y5的残差
Y6 0.651 0.046 14.222 0.000 !@ Y6的残差
Y7 0.418 0.039 10.710 0.000 !@ Y7的残差
Y8 0.424 0.038 11.291 0.000 !@ Y8的残差
Y9 0.431 0.039 11.046 0.000 !@ Y9的残差
Y10 0.415 0.056 7.398 0.000 !@ Y10的残差
Y11 0.638 0.046 13.741 0.000 !@ Y11的残差
Y12 0.736 0.041 17.777 0.000 !@ Y12的残差
F3 0.307 0.051 6.006 0.000 !@ F3的残差
F4 0.590 0.055 10.690 0.000 !@ F4的残差
STDY Standardization !@ 观测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）
F1 BY
Y1 0.718 0.029 24.583 0.000 !@ Y1的标准化因子负荷
Y2 0.735 0.027 27.033 0.000 !@ Y2的标准化因子负荷
Y3 0.767 0.029 26.495 0.000 !@ Y3的标准化因子负荷
F2 BY
Y4 0.700 0.035 19.955 0.000 !@ Y4的标准化因子负荷
Y5 0.668 0.034 19.462 0.000 !@ Y5的标准化因子负荷
Y6 0.591 0.039 15.249 0.000 !@ Y6的标准化因子负荷
F3 BY
Y7 0.763 0.026 29.855 0.000 !@ Y7的标准化因子负荷
Y8 0.759 0.025 30.659 0.000 !@ Y8的标准化因子负荷
Y9 0.754 0.026 29.119 0.000 !@ Y9的标准化因子负荷
F4 BY
Y10 0.765 0.037 20.830 0.000 !@ Y10的标准化因子负荷
Y11 0.602 0.039 15.615 0.000 !@ Y11的标准化因子负荷
Y12 0.514 0.040 12.773 0.000 !@ Y12的标准化因子负荷
F4 ON
F3 0.640 0.043 14.862 0.000 !@ F3到F4的系数
F3 ON
F1 0.373 0.051 7.317 0.000 !@ F1到F3的系数
F2 0.646 0.040 16.168 0.000 !@ F2到F3的系数
F1XF2 0.333 0.047 7.101 0.000 !@ F1XF2到F3的系数
F2 WITH
F1 0.052 0.066 0.784 0.433 !@ F1 F2之间的相关系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y1 -0.007 0.045 -0.162 0.871 !@ Y1的截距
Y2 -0.007 0.045 -0.162 0.871 !@ Y2的截距
Y3 -0.015 0.045 -0.324 0.746 !@ Y3的截距
Y4 -0.084 0.045 -1.875 0.061 !@ Y4的截距
Y5 -0.066 0.045 -1.473 0.141 !@ Y5的截距
Y6 -0.082 0.045 -1.836 0.066 !@ Y6的截距
Y7 -0.050 0.045 -1.121 0.262 !@ Y7的截距
Y8 -0.065 0.045 -1.452 0.146 !@ Y8的截距
Y9 -0.079 0.044 -1.782 0.075 !@ Y9的截距
Y10 0.020 0.045 0.449 0.653 !@ Y10的截距
Y11 -0.018 0.045 -0.401 0.688 !@ Y11的截距
Y12 -0.011 0.045 -0.235 0.814 !@ Y12的截距
Variances !@ 因子方差
F1 1.000 0.000 999.000 999.000 !@ F1的方差。999.000代表没有计算，也就是没有这个结果（下同）
F2 1.000 0.000 999.000 999.000 !@ F2的方差。999.000代表没有计算，也就是没有这个结果（下同）
Residual Variances !@ 残差，潜变量未能解释的方差
Y1 0.484 0.042 11.548 0.000 !@ Y1的残差
Y2 0.460 0.040 11.506 0.000 !@ Y2的残差
Y3 0.412 0.044 9.288 0.000 !@ Y3的残差
Y4 0.510 0.049 10.390 0.000 !@ Y4的残差
Y5 0.554 0.046 12.073 0.000 !@ Y5的残差
Y6 0.651 0.046 14.222 0.000 !@ Y6的残差
Y7 0.418 0.039 10.710 0.000 !@ Y7的残差
Y8 0.424 0.038 11.291 0.000 !@ Y8的残差
Y9 0.431 0.039 11.046 0.000 !@ Y9的残差
Y10 0.415 0.056 7.398 0.000 !@ Y10的残差
Y11 0.638 0.046 13.741 0.000 !@ Y11的残差
Y12 0.736 0.041 17.777 0.000 !@ Y12的残差
F3 0.307 0.051 6.006 0.000 !@ F3的残差
F4 0.590 0.055 10.690 0.000 !@ F4的残差
STD Standardization !@ 潜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）
F1 BY
Y1 1.054 0.066 16.082 0.000 !@ Y1的标准化因子负荷
Y2 1.087 0.058 18.753 0.000 !@ Y2的标准化因子负荷
Y3 1.130 0.062 18.114 0.000 !@ Y3的标准化因子负荷
F2 BY
Y4 0.985 0.067 14.619 0.000 !@ Y4的标准化因子负荷
Y5 0.843 0.056 14.956 0.000 !@ Y5的标准化因子负荷
Y6 0.751 0.062 12.132 0.000 !@ Y6的标准化因子负荷
F3 BY
Y7 1.239 0.067 18.410 0.000 !@ Y7的标准化因子负荷
Y8 1.127 0.064 17.622 0.000 !@ Y8的标准化因子负荷
Y9 1.138 0.070 16.337 0.000 !@ Y9的标准化因子负荷
F4 BY
Y10 1.132 0.071 15.994 0.000 !@ Y10的标准化因子负荷
Y11 0.759 0.059 12.830 0.000 !@ Y11的标准化因子负荷
Y12 0.614 0.058 10.554 0.000 !@ Y12的标准化因子负荷
F4 ON
F3 0.640 0.043 14.862 0.000 !@ F3到F4的系数
F3 ON
F1 0.373 0.051 7.317 0.000 !@ F1到F3的系数
F2 0.646 0.040 16.168 0.000 !@ F2到F3的系数
F1XF2 0.333 0.047 7.101 0.000 !@ F1XF2到F3的系数
F2 WITH
F1 0.052 0.066 0.784 0.433 !@ F1 F2之间的相关系数
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y1 -0.011 0.066 -0.162 0.871 !@ Y1的截距
Y2 -0.011 0.066 -0.162 0.871 !@ Y2的截距
Y3 -0.021 0.066 -0.325 0.746 !@ Y3的截距
Y4 -0.118 0.063 -1.876 0.061 !@ Y4的截距
Y5 -0.083 0.056 -1.475 0.140 !@ Y5的截距
Y6 -0.104 0.057 -1.838 0.066 !@ Y6的截距
Y7 -0.082 0.073 -1.123 0.261 !@ Y7的截距
Y8 -0.096 0.066 -1.458 0.145 !@ Y8的截距
Y9 -0.119 0.066 -1.798 0.072 !@ Y9的截距
Y10 0.030 0.066 0.450 0.653 !@ Y10的截距
Y11 -0.023 0.056 -0.401 0.688 !@ Y11的截距
Y12 -0.013 0.054 -0.235 0.814 !@ Y12的截距
Variances !@ 因子方差
F1 1.000 0.000 999.000 999.000 !@ F1的方差。999.000代表没有计算，也就是没有这个结果（下同）
F2 1.000 0.000 999.000 999.000 !@ F2的方差。999.000代表没有计算，也就是没有这个结果（下同）
Residual Variances !@ 残差，潜变量未能解释的方差
Y1 1.044 0.093 11.221 0.000 !@ Y1的残差
Y2 1.007 0.093 10.880 0.000 !@ Y2的残差
Y3 0.895 0.091 9.800 0.000 !@ Y3的残差
Y4 1.011 0.095 10.599 0.000 !@ Y4的残差
Y5 0.882 0.078 11.296 0.000 !@ Y5的残差
Y6 1.053 0.080 13.163 0.000 !@ Y6的残差
Y7 1.101 0.098 11.261 0.000 !@ Y7的残差
Y8 0.936 0.080 11.635 0.000 !@ Y8的残差
Y9 0.982 0.079 12.360 0.000 !@ Y9的残差
Y10 0.911 0.121 7.545 0.000 !@ Y10的残差
Y11 1.015 0.082 12.439 0.000 !@ Y11的残差
Y12 1.049 0.072 14.640 0.000 !@ Y12的残差
F3 0.307 0.051 6.006 0.000 !@ F3的残差
F4 0.590 0.055 10.690 0.000 !@ F4的残差
R-SQUARE !@ R的平方，观测变量、潜变量被因子解释的百分比
Observed Two-Tailed
Variable Estimate S.E. Est./S.E. P-Value !@ 观测变量 估计值 标准误 估计标准误 P值（显著性）
Y1 0.516 0.042 12.292 0.000 !@ Y1被F1解释的百分比
Y2 0.540 0.040 13.516 0.000 !@ Y2被F1解释的百分比
Y3 0.588 0.044 13.248 0.000 !@ Y3被F1解释的百分比
Y4 0.490 0.049 9.978 0.000 !@ Y4被F2解释的百分比
Y5 0.446 0.046 9.731 0.000 !@ Y5被F2解释的百分比
Y6 0.349 0.046 7.625 0.000 !@ Y6被F2解释的百分比
Y7 0.582 0.039 14.928 0.000 !@ Y7被F3解释的百分比
Y8 0.576 0.038 15.329 0.000 !@ Y8被F3解释的百分比
Y9 0.569 0.039 14.559 0.000 !@ Y9被F3解释的百分比
Y10 0.585 0.056 10.415 0.000 !@ Y10被F4解释的百分比
Y11 0.362 0.046 7.807 0.000 !@ Y11被F4解释的百分比
Y12 0.264 0.041 6.387 0.000 !@ Y12被F4解释的百分比
Latent Two-Tailed
Variable Estimate S.E. Est./S.E. P-Value !@ 潜变量 估计值 标准误 估计标准误 P值（显著性）
F3 0.693 0.051 13.575 0.000
F4 0.410 0.055 7.431 0.000
QUALITY OF NUMERICAL RESULTS
Condition Number for the Information Matrix 0.302E-01 !@ 信息矩阵的条件数
(ratio of smallest to largest eigenvalue)
TECHNICAL 1 OUTPUT !@ 技术报告1的输出结果
PARAMETER SPECIFICATION !@ 参数规格
NU !@ Y1 Y2 Y3 Y4 Y5的NU向量参数规格，nu向量包含有关连续观测变量的均值和截距的信息。
Y1 Y2 Y3 Y4 Y5
________ ________ ________ ________ ________
1 1 2 3 4 5
NU !@ Y6 Y7 Y8 Y9 Y10的NU向量参数规格，nu向量包含有关连续观测变量的均值和截距的信息。
Y6 Y7 Y8 Y9 Y10
________ ________ ________ ________ ________
1 6 7 8 9 10
NU !@ Y11 Y12 的NU向量参数规格，nu向量包含有关连续观测变量的均值和截距的信息。
Y11 Y12
________ ________
1 11 12
LAMBDA !@ LAMBDA矩阵参数规格。LAMBDA行表示模型中的观测（因）变量，列表示模型中的连续潜变量。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
Y1 0 0 0 0 0
Y2 13 0 0 0 0
Y3 14 0 0 0 0
Y4 0 0 0 0 0
Y5 0 15 0 0 0
Y6 0 16 0 0 0
Y7 0 0 0 0 0
Y8 0 0 17 0 0
Y9 0 0 18 0 0
Y10 0 0 0 0 0
Y11 0 0 0 19 0
Y12 0 0 0 20 0
THETA !@ THETA矩阵参数规格。行和列都表示观测（因）变量。
Y1 Y2 Y3 Y4 Y5
________ ________ ________ ________ ________
Y1 21
Y2 0 22
Y3 0 0 23
Y4 0 0 0 24
Y5 0 0 0 0 25
Y6 0 0 0 0 0
Y7 0 0 0 0 0
Y8 0 0 0 0 0
Y9 0 0 0 0 0
Y10 0 0 0 0 0
Y11 0 0 0 0 0
Y12 0 0 0 0 0
THETA !@ THETA矩阵参数规格。行和列都表示观测（因）变量。
Y6 Y7 Y8 Y9 Y10
________ ________ ________ ________ ________
Y6 26
Y7 0 27
Y8 0 0 28
Y9 0 0 0 29
Y10 0 0 0 0 30
Y11 0 0 0 0 0
Y12 0 0 0 0 0
THETA !@ THETA矩阵参数规格。行和列都表示观测（因）变量。
Y11 Y12
________ ________
Y11 31
Y12 0 32
ALPHA !@ 变量F1 F2 F3 F4 F1XF2的ALPHA向量参数规格，ALPHA向量包含连续潜变量的平均值和/或截距。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
1 0 0 0 0 0
BETA
F1 F2 F3 F4 F1XF2 !@ BETA矩阵参数规格，BETA矩阵包含连续潜变量的连续潜变量回归的回归系数。
________ ________ ________ ________ ________
F1 0 0 0 0 0
F2 0 0 0 0 0
F3 33 34 0 0 35
F4 0 0 36 0 0
F1XF2 0 0 0 0 0
PSI !@ PSI矩阵参数规格，行和列都表示模型中的连续潜变量。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
F1 37
F2 38 39
F3 0 0 40
F4 0 0 0 41
F1XF2 0 0 0 0 0
STARTING VALUES !@自由估计参数起始值
NU
Y1 Y2 Y3 Y4 Y5 !@ Y1 Y2 Y3 Y4 Y5的NU向量参数起始值，nu向量包含有关连续观测变量的均值和截距的信息。
________ ________ ________ ________ ________
1 -0.011 -0.010 -0.022 -0.118 -0.083
NU
Y6 Y7 Y8 Y9 Y10 !@ Y6 Y7 Y8 Y9 Y10的NU向量参数起始值，nu向量包含有关连续观测变量的均值和截距的信息。
________ ________ ________ ________ ________
1 -0.104 -0.060 -0.077 -0.100 0.042
NU !@ Y11 Y12的NU向量参数起始值，nu向量包含有关连续观测变量的均值和截距的信息。
Y11 Y12
________ ________
1 -0.014 -0.006
LAMBDA !@ LAMBDA矩阵参数起始值。LAMBDA行表示模型中的观测（因）变量，列表示模型中的连续潜变量。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
Y1 1.000 0.000 0.000 0.000 0.000
Y2 1.000 0.000 0.000 0.000 0.000
Y3 1.000 0.000 0.000 0.000 0.000
Y4 0.000 1.000 0.000 0.000 0.000
Y5 0.000 1.000 0.000 0.000 0.000
Y6 0.000 1.000 0.000 0.000 0.000
Y7 0.000 0.000 1.000 0.000 0.000
Y8 0.000 0.000 1.000 0.000 0.000
Y9 0.000 0.000 1.000 0.000 0.000
Y10 0.000 0.000 0.000 1.000 0.000
Y11 0.000 0.000 0.000 1.000 0.000
Y12 0.000 0.000 0.000 1.000 0.000
THETA !@ THETA矩阵参数起始值。行和列都表示观测（因）变量。
Y1 Y2 Y3 Y4 Y5
________ ________ ________ ________ ________
Y1 1.078
Y2 0.000 1.095
Y3 0.000 0.000 1.085
Y4 0.000 0.000 0.000 0.992
Y5 0.000 0.000 0.000 0.000 0.796
Y6 0.000 0.000 0.000 0.000 0.000
Y7 0.000 0.000 0.000 0.000 0.000
Y8 0.000 0.000 0.000 0.000 0.000
Y9 0.000 0.000 0.000 0.000 0.000
Y10 0.000 0.000 0.000 0.000 0.000
Y11 0.000 0.000 0.000 0.000 0.000
Y12 0.000 0.000 0.000 0.000 0.000
THETA !@ THETA矩阵参数起始值。行和列都表示观测（因）变量。
Y6 Y7 Y8 Y9 Y10
________ ________ ________ ________ ________
Y6 0.808
Y7 0.000 1.329
Y8 0.000 0.000 1.113
Y9 0.000 0.000 0.000 1.147
Y10 0.000 0.000 0.000 0.000 1.100
Y11 0.000 0.000 0.000 0.000 0.000
Y12 0.000 0.000 0.000 0.000 0.000
THETA !@ THETA矩阵参数起始值。行和列都表示观测（因）变量。
Y11 Y12
________ ________
Y11 0.798
Y12 0.000 0.714
ALPHA !@ 变量F1 F2 F3 F4 F1XF2的ALPHA向量参数起始值，ALPHA向量包含连续潜变量的平均值和/或截距。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
1 0.000 0.000 0.000 0.000 0.000
BETA
F1 F2 F3 F4 F1XF2 !@ BETA矩阵参数起始值，BETA矩阵包含连续潜变量的连续潜变量回归的回归系数。
________ ________ ________ ________ ________
F1 0.000 0.000 0.000 0.000 0.000
F2 0.000 0.000 0.000 0.000 0.000
F3 0.000 0.000 0.000 0.000 0.000
F4 0.000 0.000 0.000 0.000 0.000
F1XF2 0.000 0.000 0.000 0.000 0.000
PSI !@ PSI矩阵参数起始值，行和列都表示模型中的连续潜变量。
F1 F2 F3 F4 F1XF2
________ ________ ________ ________ ________
F1 0.050
F2 0.000 0.050
F3 0.000 0.000 0.050
F4 0.000 0.000 0.000 0.050
F1XF2 0.000 0.000 0.000 0.000 0.000
TECHNICAL 8 OUTPUT !@技术报告8的输出结果
E STEP ITER LOGLIKELIHOOD ABS CHANGE REL CHANGE ALGORITHM !@E阶 迭代 似然函数值的自然对数 ABS变化 REL变化 算法
1 -0.11104434D+05 0.0000000 0.0000000 EM
2 -0.99231297D+04 1181.3046817 0.1063813 EM
3 -0.98374318D+04 85.6979277 0.0086362 EM
4 -0.98029025D+04 34.5292702 0.0035100 EM
5 -0.97913562D+04 11.5463196 0.0011778 EM
6 -0.97867439D+04 4.6122998 0.0004711 EM
7 -0.97840315D+04 2.7124478 0.0002772 EM
8 -0.97818569D+04 2.1745412 0.0002223 EM
9 -0.97798439D+04 2.0129674 0.0002058 EM
10 -0.97778751D+04 1.9688380 0.0002013 EM
11 -0.97759065D+04 1.9685823 0.0002013 EM
12 -0.97739185D+04 1.9880008 0.0002034 EM
13 -0.97719009D+04 2.0176159 0.0002064 EM
14 -0.97698478D+04 2.0530719 0.0002101 EM
15 -0.97677558D+04 2.0920855 0.0002141 EM
16 -0.97656224D+04 2.1333221 0.0002184 EM
17 -0.97634465D+04 2.1759226 0.0002228 EM
18 -0.97612272D+04 2.2192734 0.0002273 EM
19 -0.97589643D+04 2.2629015 0.0002318 EM
20 -0.97566579D+04 2.3063883 0.0002363 EM
21 -0.97543086D+04 2.3493618 0.0002408 EM
22 -0.97519171D+04 2.3914588 0.0002452 EM
23 -0.97494848D+04 2.4322995 0.0002494 EM
24 -0.97470133D+04 2.4714923 0.0002535 EM
25 -0.97445047D+04 2.5086496 0.0002574 EM
26 -0.97419614D+04 2.5432984 0.0002610 EM
27 -0.97393864D+04 2.5750144 0.0002643 EM
28 -0.97367831D+04 2.6033027 0.0002673 EM
29 -0.97341554D+04 2.6276535 0.0002699 EM
30 -0.97315079D+04 2.6475245 0.0002720 EM
31 -0.97288455D+04 2.6623771 0.0002736 EM
32 -0.97261739D+04 2.6716440 0.0002746 EM
33 -0.97234991D+04 2.6747863 0.0002750 EM
34 -0.97208278D+04 2.6712340 0.0002747 EM
35 -0.97181673D+04 2.6605007 0.0002737 EM
36 -0.97155253D+04 2.6420902 0.0002719 EM
37 -0.97129097D+04 2.6155904 0.0002692 EM
38 -0.97103290D+04 2.5806360 0.0002657 EM
39 -0.97077920D+04 2.5370088 0.0002613 EM
40 -0.97053075D+04 2.4845547 0.0002559 EM
41 -0.97028842D+04 2.4233082 0.0002497 EM
42 -0.97005308D+04 2.3533798 0.0002425 EM
43 -0.96982557D+04 2.2750937 0.0002345 EM
44 -0.96960667D+04 2.1889495 0.0002257 EM
45 -0.96939712D+04 2.0955789 0.0002161 EM
46 -0.96919754D+04 1.9957983 0.0002059 EM
47 -0.96900848D+04 1.8905966 0.0001951 EM
48 -0.96883037D+04 1.7810441 0.0001838 EM
49 -0.96866354D+04 1.6683346 0.0001722 EM
50 -0.96850816D+04 1.5537330 0.0001604 EM
51 -0.96836431D+04 1.4385522 0.0001485 EM
52 -0.96823190D+04 1.3240602 0.0001367 EM
53 -0.96811076D+04 1.2114313 0.0001251 EM
54 -0.96800057D+04 1.1018730 0.0001138 EM
55 -0.96790094D+04 0.9963451 0.0001029 EM
56 -0.96781137D+04 0.8957360 0.0000925 EM
57 -0.96773129D+04 0.8007332 0.0000827 EM
58 -0.96766011D+04 0.7118621 0.0000736 EM
59 -0.96754743D+04 1.1267795 0.0001164 QN
60 -0.96743205D+04 1.1538130 0.0001193 EM
61 -0.96739445D+04 0.3759719 0.0000389 EM
62 -0.96736475D+04 0.2969637 0.0000307 EM
63 -0.96733990D+04 0.2485302 0.0000257 EM
64 -0.96731882D+04 0.2108114 0.0000218 EM
65 -0.96730091D+04 0.1791363 0.0000185 EM
66 -0.96728570D+04 0.1520115 0.0000157 EM
67 -0.96727283D+04 0.1287067 0.0000133 EM
68 -0.96726196D+04 0.1087169 0.0000112 EM
69 -0.96725280D+04 0.0916159 0.0000095 EM
70 -0.96724510D+04 0.0770357 0.0000080 EM
71 -0.96723863D+04 0.0646439 0.0000067 EM
72 -0.96723322D+04 0.0541425 0.0000056 EM
73 -0.96722869D+04 0.0452665 0.0000047 EM
74 -0.96722491D+04 0.0377881 0.0000039 EM
75 -0.96722176D+04 0.0314980 0.0000033 EM
76 -0.96721914D+04 0.0262194 0.0000027 EM
77 -0.96721696D+04 0.0217991 0.0000023 EM
78 -0.96721515D+04 0.0181037 0.0000019 EM
79 -0.96721365D+04 0.0150197 0.0000016 EM
80 -0.96721240D+04 0.0124495 0.0000013 EM
81 -0.96721137D+04 0.0103104 0.0000011 EM
82 -0.96721052D+04 0.0085324 0.0000009 EM
83 -0.96720981D+04 0.0070560 0.0000007 EM
84 -0.96720923D+04 0.0058322 0.0000006 EM
85 -0.96720875D+04 0.0048174 0.0000005 EM
86 -0.96720835D+04 0.0039772 0.0000004 EM
87 -0.96720782D+04 0.0052646 0.0000005 QN
88 -0.96720729D+04 0.0053486 0.0000006 EM
89 -0.96720714D+04 0.0014827 0.0000002 EM
90 -0.96720662D+04 0.0052273 0.0000005 FS
91 -0.96720654D+04 0.0008040 0.0000001 FS
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
c:\users\administrator\desktop\mplus\example5.13\ex5.13.dgm !@图形输入路径
Beginning Time: 14:10:47 !@ 命令语句（程序）开始运行时间
Ending Time: 14:11:02 !@ 命令语句（程序）结束运行时间
Elapsed Time: 00:00:15 !@ 程序运行花费时间
