推荐书: Python开发最佳实践

Mplus教程-Mplus安装和入门一文搞定

分享时@该用户已经被封, 我就能回答你的问题奥!

文章目录
  1. 1. 下载地址
  2. 2. 安装方法
  3. 3. 入门
    1. 3.1. 数据介绍
    2. 3.2. 数据格式转换
    3. 3.3. 创建mplus脚本
    4. 3.4. 设置数据
    5. 3.5. 设置变量名
    6. 3.6. 设置分析方法
    7. 3.7. 设置模型
    8. 3.8. 运行脚本
    9. 3.9. 查看路径图


本篇文章主要是写给没用过mplus的人, 所以我们从安装软件开始, 然后用一个实例来演示如何使用Mplus。

这个实例是一个结构方程分析, 如果你不懂这个模型也没关系, 我们主要是看看如何使用软件!

下载地址

安装方法

  • 首先下载上面的两个软件
  • 先安装第一个软件, 它是官方下载的安装软件
  • 在安装第二个, 它实际上是修改了一些文件

入门

假设我们使用Mplus做一个结构方程分析:

数据介绍

这里有一个SPSS数据, 数据的变量信息如下:

  • N: 神经质(Neuroticism) 个体情绪的状态,体验内心苦恼的倾向性。
  • N1: 焦虑(Anxiety) 面对难以把握的事物、令人害怕情况时的状态。
  • N2: 愤怒性敌意(Angry Hostility) 人们准备去体验愤怒情绪的状态。
  • N3: 抑郁(Depression) 正常人倾向于体验抑郁情感的个体差异。
  • N4: 自我意识(Self-Consciousness) 人们体验羞耻和面临困境时的情绪状态。
  • N5: 冲动性(Impulsiveness) 个体控制自己的冲动和欲望的能力。
  • N6: 脆弱性(Vulnerability) 个体面对应激时的状态。
  • E: 外向性(Extraversion) 个体神经系统的强弱和动力特征。
  • E1: 热情性(Warmth) 个体对待别人和人际关系的态度。
  • E2: 乐群性(Gregariousness) 指人们是否愿意成为其他人的伙伴。
  • E3: 自我肯定(Assertiveness) 个体支配别人和社会的欲望。
  • E4: 活跃性(Activity) 个体从事各类活动的动力和能量的强弱。
  • E5: 刺激追寻(Excitement-Seeking) 人们渴望兴奋和刺激的倾向性。
  • E6: 正性情绪(Positive Emotions) 人们倾向于体验到正性情绪的程度。
  • O: 开放性(Openness) 个体对体验的开放性、智慧和创造性。
  • O1: 幻想(Fantasy) 个体富于幻想和想象的水平。
  • O2: 美感(Aesthetics) 个体对于艺术和美的敏感和热爱程度。
  • O3: 情感(Feelings) 人们对于自己的感觉和情绪的接受程度。
  • O4: 行动(Action) 人们是否愿意尝试各种不同活动的倾向性。
  • O5: 观念(Ideas) 人们对新观念、怪异想法的好奇程度。
  • O6: 价值(Values) 人们对现存价值观念的态度和接受程度。

假设我们要做的结构方程的结构如下图:

数据格式转换

因为Mplus常用的数据格式是dat格式, 因此我们需要将数据保存到一个dat文件中:

  • 选择”File->Save As”

  • 选择dat格式:

  • 然后点击”save”即可

创建mplus脚本

打开mplus软件, 按下”ctrl + N”创建一个新的文件。

然后按下”Ctrl + S” 保存这个文件。

设置数据

输入语句:

1
DATA: FILE IS D:\jobs\data-analysis\mplus\media-modera\data.dat;

这里面Data: FILE IS是固定语句, 后面是数据的绝对路径。如果脚本文件和数据文件在同一个文件夹, 你可以只使用数据的文件名, 而没必要使用绝对路径。

设置变量名

在Mplus中输入如下语句:

1
VARIABLE: NAMES ARE N1-N6 E1-E6 O1-O6;

VARIABLE: NAMES ARE是固定格式, 后面都是变量名, 注意你的数据和变量名顺序都是对应的, 如果上面的写法比较繁琐, 你可以使用下面的写法:

1
VARIABLE: NAMES ARE N1-N6 E1-E6 O1-O6;

设置分析方法

因为MPLUS中针对连续型变量的结构方程模型的默认分析方法是最小二乘法即ML ,
所以如果使用的方法是这个,那么分析方法语句可以不写,
当然也可以写,即ANALYSIS: ESTIMATOR = ML; 如果采用其他方法,需要写出来,
例如 ANALYSIS: ESTIMATOR = MLR;或者ANALYSIS: ESTIMATOR = WLSMV;

本例中我们使用下面的代码:

1
ESTIMATOR = ML;

设置模型

首先设置潜变量所包含的显变量:

1
2
3
MODEL: N BY N1-N6;
E BY E1-E6;
O BY O1-O6;

然后我们设置潜变量之间的回归关系, 比如N对E和O回归, E对O回归:

1
2
N on E O;
E on O;

写到一起就是:

1
2
3
4
5
MODEL: N BY N1-N6;
E BY E1-E6;
O BY O1-O6;
N on E O;
E on O;

运行脚本

上面我们已经写完了所有的基本脚本, 我们可以把所有的命令都贴出来:

1
2
3
4
5
6
7
8
DATA: FILE IS D:\jobs\data-analysis\mplus\media-modera\data.dat;
VARIABLE: NAMES ARE N1-N6 E1-E6 O1-O6;

MODEL: N BY N1-N6;
E BY E1-E6;
O BY O1-O6;
N on E O;
E on O;

点击mplus中的”run”按钮即可运行分析过程:

查看路径图

如果你想看到结构方程的路径图, 你可以点击菜单”diagram->view diagram”, 下图就是我们看到的图:

注意
本文由jupyter notebook转换而来, 您可以在这里下载notebook
有问题可以直接在下方留言
或者给我发邮件675495787[at]qq.com
请记住我的网址: mlln.cn 或者 jupyter.cn