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
