Mplus CFA Example 5.1
来自OBHRM百科
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
结果
Mplus VERSION 7.4 !@ Mplus的版本信息 MUTHEN & MUTHEN !@ Mplus作者信息 03/01/2017 7:52 AM !@ 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 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 1@ 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代表不能计算,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代表不能计算,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 !@ 因子方差 F1 0.907 0.125 7.254 0.000 !@ F1的方差。999.000代表不能计算,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代表不能计算,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 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代表不能计算,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代表不能计算,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代表不能计算,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代表不能计算,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 !@ Y1的截距 Y3 0.035 0.062 0.555 0.579 !@ Y1的截距 Y4 -0.022 0.064 -0.350 0.726 !@ Y1的截距 Y5 -0.016 0.058 -0.271 0.786 !@ Y1的截距 Y6 0.048 0.058 0.824 0.410 !@ Y1的截距 Variances F1 1.000 0.000 999.000 999.000 !@ F1的方差。999.000代表不能计算,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代表不能计算,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 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