“Mplus CFA Example 5.1”的版本间的差异
来自OBHRM百科
Lichaoping（讨论 | 贡献） （→结果） |
Lichaoping（讨论 | 贡献） |
||
| （未显示2个用户的11个中间版本） | |||
| 第1行： | 第1行： | ||
==示意图== | ==示意图== | ||
| − | + | [[文件:mplus0501.jpg | center |300px]] | |
==代码与注释== | ==代码与注释== | ||
<pre>TITLE: this is an example of a CFA with ! 这是标题，总共两行内容，第一行 | <pre>TITLE: this is an example of a CFA with ! 这是标题，总共两行内容，第一行 | ||
| 第8行： | 第8行： | ||
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-item6，则修改为item1-item3 | 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-item6，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 | f2 BY y4-y6; ! 定义第2个因素，该因素的测量指标有：y4,y5,y6 | ||
| − | OUTPUT:STANDARDIZED; ! | + | OUTPUT:STANDARDIZED; ! 报告标准化之后的结果，这是增加的命令语句</pre> |
==结果== | ==结果== | ||
| − | <pre> | + | <pre> |
| − | |||
| − | |||
| − | |||
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 | 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 | ||
| 第40行： | 第37行： | ||
| − | this is an example of a CFA with | + | this is an example of a CFA with !@ TITLE，标题 |
continuous factor indicators; ! 第二行，想要多少行，就写多少行 | continuous factor indicators; ! 第二行，想要多少行，就写多少行 | ||
| − | SUMMARY OF ANALYSIS | + | SUMMARY OF ANALYSIS !@分析总体情况 |
| − | Number of groups 1 | + | Number of groups 1 !@ 1组数据，也就是样本没有分组 |
| − | Number of observations 500 | + | Number of observations 500 !@ 样本量500 |
| − | Number of dependent variables 6 | + | Number of dependent variables 6 !@ （因）变量6个 |
| − | Number of independent variables 0 | + | Number of independent variables 0 !@ （自）变量0个 |
| − | Number of continuous latent variables 2 | + | Number of continuous latent variables 2 !@ 潜变量2个 |
| − | Observed dependent variables | + | Observed dependent variables !@ 观测（因）变量 |
| − | Continuous | + | Continuous !@ 观测（因）变量为连续变量 Y1 Y2 Y3 Y4 Y5 Y6 |
Y1 Y2 Y3 Y4 Y5 Y6 | Y1 Y2 Y3 Y4 Y5 Y6 | ||
| − | Continuous latent variables | + | Continuous latent variables !@ 潜变量 F1 F2 |
F1 F2 | F1 F2 | ||
| − | 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 |
| − | Input data file(s) | + | Input data file(s) !@ 输入文件：ex5.1.dat |
ex5.1.dat | ex5.1.dat | ||
| − | Input data format FREE | + | 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 | + | 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 | + | MODEL FIT INFORMATION !@ 模型拟合指数 |
| − | Number of Free Parameters 19 | + | Number of Free Parameters 19 !@ 自由参数的个数：19个 |
| − | Loglikelihood | + | Loglikelihood !@ 似然函数值的自然对数 |
H0 Value -4906.609 | H0 Value -4906.609 | ||
H1 Value -4904.661 | H1 Value -4904.661 | ||
| − | Information Criteria | + | Information Criteria !@ 信息标准 |
| − | Akaike (AIC) 9851.218 | + | Akaike (AIC) 9851.218 !@ AIC |
| − | Bayesian (BIC) 9931.295 | + | Bayesian (BIC) 9931.295 !@ BIC |
| − | Sample-Size Adjusted BIC 9870.988 | + | Sample-Size Adjusted BIC 9870.988 !@ 考虑样本量调整后的BIC值 |
(n* = (n + 2) / 24) | (n* = (n + 2) / 24) | ||
| − | Chi-Square Test of Model Fit | + | Chi-Square Test of Model Fit !@ 卡方检验的结果 |
| − | Value 3.896 | + | Value 3.896 !@ 卡方值 |
| − | Degrees of Freedom 8 | + | Degrees of Freedom 8 !@ 自由度 |
| − | P-Value 0.8664 | + | P-Value 0.8664 !@ 显著性 |
| − | RMSEA (Root Mean Square Error Of Approximation) | + | RMSEA (Root Mean Square Error Of Approximation) !@ RMSEA的结果 |
| − | Estimate 0.000 | + | Estimate 0.000 !@ RMSEA的值 |
| − | 90 Percent C.I. 0.000 0.027 | + | 90 Percent C.I. 0.000 0.027 !@ RMSEA的90%置信区间 |
Probability RMSEA <= .05 0.995 | Probability RMSEA <= .05 0.995 | ||
| − | CFI/TLI | + | CFI/TLI !@ CFI/TFI的结果 |
CFI 1.000 !@ CFI的结果 | CFI 1.000 !@ CFI的结果 | ||
| 第123行： | 第120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） |
F1 BY | F1 BY | ||
| − | Y1 1.000 0.000 999.000 999.000 | + | 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 1.126 0.099 11.368 0.000 | + | Y2 1.126 0.099 11.368 0.000 !@ Y2的非标准化因子负荷 |
| − | Y3 1.019 0.089 11.482 0.000 | + | Y3 1.019 0.089 11.482 0.000 !@ Y3的非标准化因子负荷 |
F2 BY | F2 BY | ||
| − | Y4 1.000 0.000 999.000 999.000 | + | 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 1.059 0.129 8.199 0.000 | + | Y5 1.059 0.129 8.199 0.000 !@ Y5的非标准化因子负荷 |
| − | Y6 0.897 0.105 8.531 0.000 | + | Y6 0.897 0.105 8.531 0.000 !@ Y6的非标准化因子负荷 |
F2 WITH | F2 WITH | ||
| − | F1 -0.030 0.052 -0.582 0.560 | + | F1 -0.030 0.052 -0.582 0.560 !@ F1 F2的协方差 |
| − | Intercepts | + | Intercepts !@ 截距，潜变量为0时，观察变量的值 |
| − | Y1 -0.022 0.063 -0.354 0.723 | + | Y1 -0.022 0.063 -0.354 0.723 !@ Y1的截距 |
| − | Y2 0.026 0.062 0.410 0.682 | + | Y2 0.026 0.062 0.410 0.682 !@ Y2的截距 |
| − | Y3 0.035 0.062 0.555 0.579 | + | Y3 0.035 0.062 0.555 0.579 !@ Y3的截距 |
| − | Y4 -0.022 0.064 -0.350 0.726 | + | Y4 -0.022 0.064 -0.350 0.726 !@ Y4的截距 |
| − | Y5 -0.016 0.058 -0.271 0.786 | + | Y5 -0.016 0.058 -0.271 0.786 !@ Y5的截距 |
| − | Y6 0.048 0.058 0.824 0.410 | + | Y6 0.048 0.058 0.824 0.410 !@ Y6的截距 |
| − | Variances | + | Variances !@ 因子方差 |
| − | F1 0.907 0.125 7.254 0.000 | + | F1 0.907 0.125 7.254 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 0.760 0.133 5.734 0.000 | + | F2 0.760 0.133 5.734 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 | + | Residual Variances !@ 残差，潜变量未能解释的方差 |
| − | Y1 1.064 0.096 11.120 0.000 | + | Y1 1.064 0.096 11.120 0.000 !@ Y1的残差 |
| − | Y2 0.798 0.100 7.972 0.000 | + | Y2 0.798 0.100 7.972 0.000 !@ Y2的残差 |
| − | Y3 1.010 0.095 10.597 0.000 | + | Y3 1.010 0.095 10.597 0.000 !@ Y3的残差 |
| − | Y4 1.290 0.119 10.871 0.000 | + | Y4 1.290 0.119 10.871 0.000 !@ Y4的残差 |
| − | Y5 0.854 0.111 7.710 0.000 | + | Y5 0.854 0.111 7.710 0.000 !@ Y5的残差 |
| − | Y6 1.066 0.097 11.024 0.000 | + | Y6 1.066 0.097 11.024 0.000 !@ Y6的残差 |
| 第165行： | 第162行： | ||
| − | STDYX Standardization !@ | + | 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 | 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） |
F1 BY | F1 BY | ||
| − | Y1 0.678 0.035 19.348 0.000 | + | Y1 0.678 0.035 19.348 0.000 !@ Y1的标准化因子负荷 |
| − | Y2 0.769 0.034 22.496 0.000 | + | Y2 0.769 0.034 22.496 0.000 !@ Y2的标准化因子负荷 |
| − | Y3 0.695 0.035 19.946 0.000 | + | Y3 0.695 0.035 19.946 0.000 !@ Y3的标准化因子负荷 |
F2 BY | F2 BY | ||
| − | Y4 0.609 0.045 13.676 0.000 | + | Y4 0.609 0.045 13.676 0.000 !@ Y4的标准化因子负荷 |
| − | Y5 0.707 0.046 15.391 0.000 | + | Y5 0.707 0.046 15.391 0.000 !@ Y5的标准化因子负荷 |
| − | Y6 0.604 0.044 13.580 0.000 | + | Y6 0.604 0.044 13.580 0.000 !@ Y6的标准化因子负荷 |
F2 WITH | F2 WITH | ||
| − | F1 -0.036 0.062 -0.583 0.560 | + | F1 -0.036 0.062 -0.583 0.560 !@ F1 F2之间的相关系数 |
| − | Intercepts | + | Intercepts !@ 截距，潜变量为0时，观察变量的值 |
| − | Y1 -0.016 0.045 -0.354 0.723 | + | Y1 -0.016 0.045 -0.354 0.723 !@ Y1的截距 |
| − | Y2 0.018 0.045 0.410 0.682 | + | Y2 0.018 0.045 0.410 0.682 !@ Y2的截距 |
| − | Y3 0.025 0.045 0.555 0.579 | + | Y3 0.025 0.045 0.555 0.579 !@ Y3的截距 |
| − | Y4 -0.016 0.045 -0.350 0.726 | + | Y4 -0.016 0.045 -0.350 0.726 !@ Y4的截距 |
| − | Y5 -0.012 0.045 -0.271 0.786 | + | Y5 -0.012 0.045 -0.271 0.786 !@ Y5的截距 |
| − | Y6 0.037 0.045 0.824 0.410 | + | Y6 0.037 0.045 0.824 0.410 !@ Y6的截距 |
| − | Variances | + | Variances !@ 因子方差 |
| − | F1 1.000 0.000 999.000 999.000 | + | 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 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 | + | Residual Variances !@ 残差，潜变量未能解释的方差 |
| − | Y1 0.540 0.048 11.345 0.000 | + | Y1 0.540 0.048 11.345 0.000 !@ Y1的残差 |
| − | Y2 0.409 0.053 7.794 0.000 | + | Y2 0.409 0.053 7.794 0.000 !@ Y2的残差 |
| − | Y3 0.517 0.048 10.679 0.000 | + | Y3 0.517 0.048 10.679 0.000 !@ Y3的残差 |
| − | Y4 0.629 0.054 11.602 0.000 | + | Y4 0.629 0.054 11.602 0.000 !@ Y4的残差 |
| − | Y5 0.501 0.065 7.711 0.000 | + | Y5 0.501 0.065 7.711 0.000 !@ Y5的残差 |
| − | Y6 0.635 0.054 11.831 0.000 | + | Y6 0.635 0.054 11.831 0.000 !@ Y6的残差 |
| − | STDY Standardization | + | STDY Standardization !@ 观测变量标准化后的结果 |
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） |
F1 BY | F1 BY | ||
| − | Y1 0.678 0.035 19.348 0.000 | + | Y1 0.678 0.035 19.348 0.000 !@ Y1的标准化因子负荷 |
| − | Y2 0.769 0.034 22.496 0.000 | + | Y2 0.769 0.034 22.496 0.000 !@ Y2的标准化因子负荷 |
| − | Y3 0.695 0.035 19.946 0.000 | + | Y3 0.695 0.035 19.946 0.000 !@ Y3的标准化因子负荷 |
F2 BY | F2 BY | ||
| − | Y4 0.609 0.045 13.676 0.000 | + | Y4 0.609 0.045 13.676 0.000 !@ Y4的标准化因子负荷 |
| − | Y5 0.707 0.046 15.391 0.000 | + | Y5 0.707 0.046 15.391 0.000 !@ Y5的标准化因子负荷 |
| − | Y6 0.604 0.044 13.580 0.000 | + | Y6 0.604 0.044 13.580 0.000 !@ Y6的标准化因子负荷 |
F2 WITH | F2 WITH | ||
| − | F1 -0.036 0.062 -0.583 0.560 | + | F1 -0.036 0.062 -0.583 0.560 !@ F1 F2之间的相关系数 |
| − | Intercepts | + | Intercepts !@ 截距，潜变量为0时，观察变量的值 |
| − | Y1 -0.016 0.045 -0.354 0.723 | + | Y1 -0.016 0.045 -0.354 0.723 !@ Y1的截距 |
| − | Y2 0.018 0.045 0.410 0.682 | + | Y2 0.018 0.045 0.410 0.682 !@ Y2的截距 |
| − | Y3 0.025 0.045 0.555 0.579 | + | Y3 0.025 0.045 0.555 0.579 !@ Y3的截距 |
| − | Y4 -0.016 0.045 -0.350 0.726 | + | Y4 -0.016 0.045 -0.350 0.726 !@ Y4的截距 |
| − | Y5 -0.012 0.045 -0.271 0.786 | + | Y5 -0.012 0.045 -0.271 0.786 !@ Y5的截距 |
| − | Y6 0.037 0.045 0.824 0.410 | + | Y6 0.037 0.045 0.824 0.410 !@ Y6的截距 |
Variances | Variances | ||
| − | F1 1.000 0.000 999.000 999.000 | + | 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 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 | + | Residual Variances !@ 残差，潜变量未能解释的方差 |
| − | Y1 0.540 0.048 11.345 0.000 | + | Y1 0.540 0.048 11.345 0.000 !@ Y1的残差 |
| − | Y2 0.409 0.053 7.794 0.000 | + | Y2 0.409 0.053 7.794 0.000 !@ Y2的残差 |
| − | Y3 0.517 0.048 10.679 0.000 | + | Y3 0.517 0.048 10.679 0.000 !@ Y3的残差 |
| − | Y4 0.629 0.054 11.602 0.000 | + | Y4 0.629 0.054 11.602 0.000 !@ Y4的残差 |
| − | Y5 0.501 0.065 7.711 0.000 | + | Y5 0.501 0.065 7.711 0.000 !@ Y5的残差 |
| − | Y6 0.635 0.054 11.831 0.000 | + | Y6 0.635 0.054 11.831 0.000 !@ Y6的残差 |
| − | STD Standardization | + | STD Standardization !@ 潜变量标准化后的结果 |
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） |
F1 BY | F1 BY | ||
| − | Y1 0.953 0.066 14.508 0.000 | + | Y1 0.953 0.066 14.508 0.000 !@ Y1的非标准化因子负荷 |
| − | Y2 1.073 0.066 16.233 0.000 | + | Y2 1.073 0.066 16.233 0.000 !@ Y2的非标准化因子负荷 |
| − | Y3 0.971 0.065 14.828 0.000 | + | Y3 0.971 0.065 14.828 0.000 !@ Y3的非标准化因子负荷 |
F2 BY | F2 BY | ||
| − | Y4 0.872 0.076 11.467 0.000 | + | Y4 0.872 0.076 11.467 0.000 !@ Y4的非标准化因子负荷 |
| − | Y5 0.923 0.073 12.677 0.000 | + | Y5 0.923 0.073 12.677 0.000 !@ Y5的非标准化因子负荷 |
| − | Y6 0.782 0.069 11.401 0.000 | + | Y6 0.782 0.069 11.401 0.000 !@ Y6的非标准化因子负荷 |
F2 WITH | F2 WITH | ||
| − | F1 -0.036 0.062 -0.583 0.560 | + | F1 -0.036 0.062 -0.583 0.560 !@ F1 F2之间的相关系数 |
| − | Intercepts | + | Intercepts !@ 截距，潜变量为0时，观察变量的值 |
| − | Y1 -0.022 0.063 -0.354 0.723 | + | Y1 -0.022 0.063 -0.354 0.723 !@ Y1的截距 |
| − | Y2 0.026 0.062 0.410 0.682 | + | Y2 0.026 0.062 0.410 0.682 !@ Y2的截距 |
| − | Y3 0.035 0.062 0.555 0.579 | + | Y3 0.035 0.062 0.555 0.579 !@ Y3的截距 |
| − | Y4 -0.022 0.064 -0.350 0.726 | + | Y4 -0.022 0.064 -0.350 0.726 !@ Y4的截距 |
| − | Y5 -0.016 0.058 -0.271 0.786 | + | Y5 -0.016 0.058 -0.271 0.786 !@ Y5的截距 |
| − | Y6 0.048 0.058 0.824 0.410 | + | Y6 0.048 0.058 0.824 0.410 !@ Y6的截距 |
Variances | Variances | ||
| − | F1 1.000 0.000 999.000 999.000 | + | 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 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） |
| − | Residual Variances | + | Residual Variances !@ 残差，潜变量未能解释的方差 |
| − | Y1 1.064 0.096 11.120 0.000 | + | Y1 1.064 0.096 11.120 0.000 !@ Y1的残差 |
| − | Y2 0.798 0.100 7.972 0.000 | + | Y2 0.798 0.100 7.972 0.000 !@ Y2的残差 |
| − | Y3 1.010 0.095 10.597 0.000 | + | Y3 1.010 0.095 10.597 0.000 !@ Y3的残差 |
| − | Y4 1.290 0.119 10.871 0.000 | + | Y4 1.290 0.119 10.871 0.000 !@ Y4的残差 |
| − | Y5 0.854 0.111 7.710 0.000 | + | Y5 0.854 0.111 7.710 0.000 !@ Y5的残差 |
| − | Y6 1.066 0.097 11.024 0.000 | + | Y6 1.066 0.097 11.024 0.000 !@ Y6的残差 |
| − | R-SQUARE | + | R-SQUARE !@ R的平方，观察变量被因子解释的百分比 |
Observed Two-Tailed | Observed Two-Tailed | ||
| − | Variable Estimate S.E. Est./S.E. P-Value | + | 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 0.460 0.048 9.674 0.000 | + | Y1 0.460 0.048 9.674 0.000 !@ Y1被F1解释的百分比 |
| − | Y2 0.591 0.053 11.248 0.000 | + | Y2 0.591 0.053 11.248 0.000 !@ Y2被F1解释的百分比 |
| − | Y3 0.483 0.048 9.973 0.000 | + | Y3 0.483 0.048 9.973 0.000 !@ Y3被F1解释的百分比 |
| − | Y4 0.371 0.054 6.838 0.000 | + | Y4 0.371 0.054 6.838 0.000 !@ Y4被F2解释的百分比 |
| − | Y5 0.499 0.065 7.696 0.000 | + | Y5 0.499 0.065 7.696 0.000 !@ Y5被F2解释的百分比 |
| − | Y6 0.365 0.054 6.790 0.000 | + | Y6 0.365 0.054 6.790 0.000 !@ Y6被F2解释的百分比 |
QUALITY OF NUMERICAL RESULTS | QUALITY OF NUMERICAL RESULTS | ||
| − | Condition Number for the Information Matrix 0.409E-01 | + | Condition Number for the Information Matrix 0.409E-01 !@ 信息矩阵的条件数 |
(ratio of smallest to largest eigenvalue) | (ratio of smallest to largest eigenvalue) | ||
| 第309行： | 第306行： | ||
c:\program files\mplus\mplus examples\user's guide examples\ex5.1.dgm | c:\program files\mplus\mplus examples\user's guide examples\ex5.1.dgm | ||
| − | Beginning Time: 07:52:38 | + | Beginning Time: 07:52:38 !@ 命令语句（程序）开始运行时间 |
| − | Ending Time: 07:52:40 | + | Ending Time: 07:52:40 !@ 命令语句（程序）结束运行时间 |
| − | Elapsed Time: 00:00:02 | + | Elapsed Time: 00:00:02 !@ 程序运行花费时间</pre> |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
2017年6月17日 (六) 16:42的最新版本
示意图
代码与注释
TITLE: this is an example of a CFA with ! 这是标题，总共两行内容，第一行
continuous factor indicators; ! 第二行，想要多少行，就写多少行
DATA: FILE IS ex5.1.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\ex5.1.dat。
VARIABLE: NAMES ARE y1-y6; ! 读取数据，该数据文件中包括6个变量的数据，变量名称可以自己定。比如，可以是y1-y6，也可以是item1-item6
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-item6，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
OUTPUT:STANDARDIZED; ! 报告标准化之后的结果，这是增加的命令语句
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 CFA with ! 这是标题，总共两行内容，第一行
continuous factor indicators; ! 第二行，想要多少行，就写多少行
DATA: FILE IS ex5.1.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
VARIABLE: NAMES ARE y1-y6; ! 读取数据，该数据文件中包括6个变量的数据，变量名称可以自己?
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ite
f2 BY y4-y6; ! 定义第2个因素，该因素的测量指标有：y4,y5,y6
OUTPUT:STANDARDIZED; ! 报告标准化之后的结果
*** WARNING !@ 警告：命令语句的第三行太长，只保留了前90个字符，但是不影响结果
Input line exceeded 90 characters. Some input may be truncated.
DATA: FILE IS ex5.1.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?
*** WARNING !@ 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
Input line exceeded 90 characters. Some input may be truncated.
VARIABLE: NAMES ARE y1-y6; ! 读取数据，该数据文件中包括6个变量的数据，变量名称可以自己定
*** WARNING !@ 警告：命令语句的第五行太长，只保留了前90个字符，但是不影响结果
Input line exceeded 90 characters. Some input may be truncated.
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item
3 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS !@输入的命令语句有3个警告
this is an example of a CFA with !@ TITLE，标题
continuous factor indicators; ! 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 6 !@ （因）变量6个
Number of independent variables 0 !@ （自）变量0个
Number of continuous latent variables 2 !@ 潜变量2个
Observed dependent variables !@ 观测（因）变量
Continuous !@ 观测（因）变量为连续变量 Y1 Y2 Y3 Y4 Y5 Y6
Y1 Y2 Y3 Y4 Y5 Y6
Continuous latent variables !@ 潜变量 F1 F2
F1 F2
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：ex5.1.dat
ex5.1.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 19 !@ 自由参数的个数：19个
Loglikelihood !@ 似然函数值的自然对数
H0 Value -4906.609
H1 Value -4904.661
Information Criteria !@ 信息标准
Akaike (AIC) 9851.218 !@ AIC
Bayesian (BIC) 9931.295 !@ BIC
Sample-Size Adjusted BIC 9870.988 !@ 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 3.896 !@ 卡方值
Degrees of Freedom 8 !@ 自由度
P-Value 0.8664 !@ 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 0.027 !@ RMSEA的90%置信区间
Probability RMSEA <= .05 0.995
CFI/TLI !@ CFI/TFI的结果
CFI 1.000 !@ CFI的结果
TLI 1.013 !@ 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 596.921 !@ 卡方值
Degrees of Freedom 15 !@ 自由度
P-Value 0.0000 !@ 显著性
SRMR (Standardized Root Mean Square Residual) !@ SRMR的结果
Value 0.014
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 1.126 0.099 11.368 0.000 !@ Y2的非标准化因子负荷
Y3 1.019 0.089 11.482 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 1.059 0.129 8.199 0.000 !@ Y5的非标准化因子负荷
Y6 0.897 0.105 8.531 0.000 !@ Y6的非标准化因子负荷
F2 WITH
F1 -0.030 0.052 -0.582 0.560 !@ F1 F2的协方差
Intercepts !@ 截距，潜变量为0时，观察变量的值
Y1 -0.022 0.063 -0.354 0.723 !@ Y1的截距
Y2 0.026 0.062 0.410 0.682 !@ Y2的截距
Y3 0.035 0.062 0.555 0.579 !@ Y3的截距
Y4 -0.022 0.064 -0.350 0.726 !@ Y4的截距
Y5 -0.016 0.058 -0.271 0.786 !@ Y5的截距
Y6 0.048 0.058 0.824 0.410 !@ Y6的截距
Variances !@ 因子方差
F1 0.907 0.125 7.254 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 0.760 0.133 5.734 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 1.064 0.096 11.120 0.000 !@ Y1的残差
Y2 0.798 0.100 7.972 0.000 !@ Y2的残差
Y3 1.010 0.095 10.597 0.000 !@ Y3的残差
Y4 1.290 0.119 10.871 0.000 !@ Y4的残差
Y5 0.854 0.111 7.710 0.000 !@ Y5的残差
Y6 1.066 0.097 11.024 0.000 !@ Y6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。
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 0.678 0.035 19.348 0.000 !@ Y1的标准化因子负荷
Y2 0.769 0.034 22.496 0.000 !@ Y2的标准化因子负荷
Y3 0.695 0.035 19.946 0.000 !@ Y3的标准化因子负荷
F2 BY
Y4 0.609 0.045 13.676 0.000 !@ Y4的标准化因子负荷
Y5 0.707 0.046 15.391 0.000 !@ Y5的标准化因子负荷
Y6 0.604 0.044 13.580 0.000 !@ Y6的标准化因子负荷
F2 WITH
F1 -0.036 0.062 -0.583 0.560 !@ 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 -0.016 0.045 -0.354 0.723 !@ Y1的截距
Y2 0.018 0.045 0.410 0.682 !@ Y2的截距
Y3 0.025 0.045 0.555 0.579 !@ Y3的截距
Y4 -0.016 0.045 -0.350 0.726 !@ Y4的截距
Y5 -0.012 0.045 -0.271 0.786 !@ Y5的截距
Y6 0.037 0.045 0.824 0.410 !@ Y6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 0.540 0.048 11.345 0.000 !@ Y1的残差
Y2 0.409 0.053 7.794 0.000 !@ Y2的残差
Y3 0.517 0.048 10.679 0.000 !@ Y3的残差
Y4 0.629 0.054 11.602 0.000 !@ Y4的残差
Y5 0.501 0.065 7.711 0.000 !@ Y5的残差
Y6 0.635 0.054 11.831 0.000 !@ Y6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 0.678 0.035 19.348 0.000 !@ Y1的标准化因子负荷
Y2 0.769 0.034 22.496 0.000 !@ Y2的标准化因子负荷
Y3 0.695 0.035 19.946 0.000 !@ Y3的标准化因子负荷
F2 BY
Y4 0.609 0.045 13.676 0.000 !@ Y4的标准化因子负荷
Y5 0.707 0.046 15.391 0.000 !@ Y5的标准化因子负荷
Y6 0.604 0.044 13.580 0.000 !@ Y6的标准化因子负荷
F2 WITH
F1 -0.036 0.062 -0.583 0.560 !@ 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 -0.016 0.045 -0.354 0.723 !@ Y1的截距
Y2 0.018 0.045 0.410 0.682 !@ Y2的截距
Y3 0.025 0.045 0.555 0.579 !@ Y3的截距
Y4 -0.016 0.045 -0.350 0.726 !@ Y4的截距
Y5 -0.012 0.045 -0.271 0.786 !@ Y5的截距
Y6 0.037 0.045 0.824 0.410 !@ Y6的截距
Variances
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 0.540 0.048 11.345 0.000 !@ Y1的残差
Y2 0.409 0.053 7.794 0.000 !@ Y2的残差
Y3 0.517 0.048 10.679 0.000 !@ Y3的残差
Y4 0.629 0.054 11.602 0.000 !@ Y4的残差
Y5 0.501 0.065 7.711 0.000 !@ Y5的残差
Y6 0.635 0.054 11.831 0.000 !@ Y6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 0.953 0.066 14.508 0.000 !@ Y1的非标准化因子负荷
Y2 1.073 0.066 16.233 0.000 !@ Y2的非标准化因子负荷
Y3 0.971 0.065 14.828 0.000 !@ Y3的非标准化因子负荷
F2 BY
Y4 0.872 0.076 11.467 0.000 !@ Y4的非标准化因子负荷
Y5 0.923 0.073 12.677 0.000 !@ Y5的非标准化因子负荷
Y6 0.782 0.069 11.401 0.000 !@ Y6的非标准化因子负荷
F2 WITH
F1 -0.036 0.062 -0.583 0.560 !@ 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 -0.022 0.063 -0.354 0.723 !@ Y1的截距
Y2 0.026 0.062 0.410 0.682 !@ Y2的截距
Y3 0.035 0.062 0.555 0.579 !@ Y3的截距
Y4 -0.022 0.064 -0.350 0.726 !@ Y4的截距
Y5 -0.016 0.058 -0.271 0.786 !@ Y5的截距
Y6 0.048 0.058 0.824 0.410 !@ Y6的截距
Variances
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 !@ F1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 1.064 0.096 11.120 0.000 !@ Y1的残差
Y2 0.798 0.100 7.972 0.000 !@ Y2的残差
Y3 1.010 0.095 10.597 0.000 !@ Y3的残差
Y4 1.290 0.119 10.871 0.000 !@ Y4的残差
Y5 0.854 0.111 7.710 0.000 !@ Y5的残差
Y6 1.066 0.097 11.024 0.000 !@ Y6的残差
R-SQUARE !@ R的平方，观察变量被因子解释的百分比
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 0.460 0.048 9.674 0.000 !@ Y1被F1解释的百分比
Y2 0.591 0.053 11.248 0.000 !@ Y2被F1解释的百分比
Y3 0.483 0.048 9.973 0.000 !@ Y3被F1解释的百分比
Y4 0.371 0.054 6.838 0.000 !@ Y4被F2解释的百分比
Y5 0.499 0.065 7.696 0.000 !@ Y5被F2解释的百分比
Y6 0.365 0.054 6.790 0.000 !@ Y6被F2解释的百分比
QUALITY OF NUMERICAL RESULTS
Condition Number for the Information Matrix 0.409E-01 !@ 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
c:\program files\mplus\mplus examples\user's guide examples\ex5.1.dgm
Beginning Time: 07:52:38 !@ 命令语句（程序）开始运行时间
Ending Time: 07:52:40 !@ 命令语句（程序）结束运行时间
Elapsed Time: 00:00:02 !@ 程序运行花费时间
