潜变量建模与Mplus应用 · 基础篇
2014-1-16
重庆大学出版社
王孟成
无
本书以国际主流潜变量建模软件Mplus为分析工具，从理论到实践，深入浅出地向读者介绍潜变量建模的常用模型和Mplus分析过程，以实例演示整个分析过程，适合社会科学领域的高校教师、科研人员，以及硕博士研究生作为教科书和参考书。
本书的目的在于为“讨厌”数学公式的学者介绍潜变量建模方法及Mplus软件实现，所以书中避免了令人生畏的数学公式，尽量通过平实的语言介绍模型背后的真谛。
王孟成，博士，广州大学心理学系教师。主讲多期“潜变量建模与Mplus应用工作坊”，对Mplus软件有多年应用经验。
1 潜变量分析模型概述
1.1 变量类型
1.1.1 连续变量
1.1.2 分类变量
1.1.3 计数变量
1.2 外显变量和潜在变量
1.3 内生变量和外生变量
1.4 潜变量模型
1.5 潜变量模型——扩展
1.5.1 潜变量模型的类型
1.5.2 潜在类别分析
1.5.3 潜在转换分析
1.5.4 因子混合模型
1.5.5 回归混合模型
1.5.6 增长混合模型和潜类别增长模型
1.5.7 多水平混合模型
1.6 潜变量模型建模软件
2 Mplus简介及主要命令语句
2.1 Mplus简介
2.2 Mplus安装与运行过程
2.2.1 Mplus安装
2.2.2 Mplus运行过程
2.3 Mplus命令概述
2.4 Mplus常用命令
2.4.1 标题(TITLE)
2.4.2 数据(DATA)
2.4.3 变量(VARIABLE)
2.4.4 分析(ANALYSIS)
2.4.5 模型(MODEL)
2.4.6 输出(OUTPUT)
2.4.7 保存(SAVEDATA)
2.4.8 绘图(PLOT)
2.4.9 蒙特卡洛(MONTECARLO)
2.5 Mplus的功能
2.6 本章小结
3 回归与路径分析
3.1 相关系数
3.1.1 积差相关
3.1.2 点二列相关系数
3.1.3 二列相关系数
3.1.4 多列相关
3.1.5 四分相关和?系数
3.2 回归分析概述
3.2.1 一元线性回归
3.2.2 多元线性回归
3.2.3 分类变量回归分析
3.2.4 计数数据的回归分析
3.3 路径分析
3.3.1 路径分析概述
3.3.2 递归模型和非递归模型
3.3.3 路径模型的识别
3.3.4 路径系数估计与效应分解
3.3.5 纵向路径分析模型
3.4 中介效应分析
3.4.1 中介效应分析概述
3.4.2 中介效应分析的意义
3.4.3 中介模型的形式
3.4.4 抑制变量与混淆变量
3.4.5 中介效应检验
3.4.6 调节效应分析
3.4.7 中介和调节变量(效应)的比较
3.5 混合的中介与调节效应
3.5.1 有调节的中介效应模型
3.5.2 有中介的调节效应模型
3.5.3 两者的混合
3.6 Mplus示例
3.6.1 中介效应模型分析示例
3.6.2 调节效应模型分析示例
3.7 本章小结
4 探索性因素分析
4.1 因素分析概述
4.2 探索性因素分析原理
4.2.1 因素分析原理
4.2.2 因素分析与主成分分析
4.2.3 二分变量因素分析
4.3 探索性因素分析过程
4.3.1 使用EFA存在的问题
4.3.2 EFA分析过程
4.4 探索性因素分析示例
4.4.1 研究背景
4.4.2 Mplus实现
4.4.3 结果解释
4.5 探索性结构方程模型
4.5.1 探索性结构方程模型概述
4.5.2 探索性结构方程模型示例
4.6 本章小结
5 验证性因素分析(一)
5.1 验证性因素分析概述
5.2 验证性因素分析原理
5.2.1 验证性因素分析的表达式
5.2.2 验证性因素分析步骤
5.3 模型拟合评价
5.3.1 假设检验卡方
5.3.2 近似拟合检验
5.3.3 信息指数
5.3.4 拟合指数评价
5.3.5 模型修正
5.3.6 结果报告
5.4 一阶CFA实例与Mplus过程
5.4.1 实例说明
5.4.2 模型设定与识别
5.4.3 一阶CFA分析结果与解释
5.4.4 指标作为类别变量
5.5 二阶／高阶验证性因素分析
5.5.1 二阶／高阶模型概述
5.5.2 高阶模型表达与识别
5.5.3 高阶模型示例
5.6 本章小结
6验证性因素分析(二)
6.1 MTMM模型
6.1.1 MTMM概述
6.1.2 常用的MTMM分析模型
6.1.3 其他问题
6.1.4 Mplus语句示例
6.2 Bifactor模型
6.2.1 Bifactor模型概述
6.2.2 Bifactor模型表达式
6.2.3 Bifactor模型示例
6.3 潜状态-特质模型(LST)
6.3.1 潜状态-特质模型概述
6.3.2 LST的基本形式
6.3.3 带方法学效应的LST模型
6.3.4 带自回归效应的LST模型
6.3.5 Mplus示例
6.3.6 小结
6.4 随机截距因子模型
6.4.1 随机截距因子模型概述
6.4.2 随机截距因子模型的优点
6.4.3 示例
6.4.4 小结
6.5信度估计
6.5.1 传统的Alpha系数
6.5.2 组合信度
6.5.3 单个指标信度
6.5.4 二分变量的信度估计
6.5.5 双因子模型中信度估计
6.5.6 小结
6.6 CFA的其他用途
6.6.1 用于检验相关系数
6.6.2 用于经典的项目分析
6.7 本章小结
7 测量等值与多组验证性因素分析
7.1 测量等值概述
7.1.1 测量等值的意义
7.1.2 测量等值的概念
7.2 多组分析原理
7.3 测量等值性的步骤
7.3.1 测量等值性的步骤
7.3.2 多组比较的选择
7.3.3 潜均值比较
7.3.4 部分等值
7.4 实例与Mplus过程
7.4.1 Mplus设置
7.4.2 多组测量不变性／等值检验结果
7.5 纵向不变性／等值
7.6 高阶模型的测量不变性／等值
7.7 MIMIC模型检验不变性
7.7.1 MIMIC模型概述
7.7.2 MIMIC用于检验测量不变性
7.7.3 MIMIC用于检验测量不变性的策略
7.7.4 MIMIC检验测量不变性示例
7.8 与IRT比较
7.9 本章小结
8 结构方程模型
8.1 结构方程模型简介
8.2 结构方程模型优点
8.3 结构方程模型的分析原理
8.4 SEM建模过程
8.4.1 模型设定
8.4.2 SEM的识别规则
8.5 潜变量调节模型
8.5.1 潜变量调节概述
8.5.2 乘积指标法
8.5.3 潜调节结构方程法
8.5.4 二次效应模型
8.6 示例和Mplus分析过程
8.6.1 中介SEM分析示例
8.6.2 潜变量调节效应分析示例
8.7 本章小结
9 结构方程建模涉及的重要议题
9.1 等价模型
9.1.1 等价模型简介
9.1.2 为什么要考虑等价模型
9.1.3 如何处理等价模型
9.1.4 小结
9.2 非正态与类别数据处理
9.2.1 非正态与类别数据分析概述
9.2.2 非正态与类别数据处理方法
9.2.3 拟合指数
9.2.4 小结
9.3 形成性与反映性模型
9.3.1 形成性模型与反映性模型概述
9.3.2 如何区分形成性模型与反映性模型
9.3.3 形成性模型的识别准则
9.3.4 形成性建构问卷的编制
9.3.5 尚存的问题
9.3.6 小结
9.4 项目包
9.4.1 项目包概述
9.4.2 项目包的优缺点
9.4.3 项目打包的步骤
9.4.4 项目打包的方法
9.4.5 小结与建议
9.5 模型比较与选择
9.5.1 稳健极大似然估计嵌套模型比较
9.5.2 稳健最小二乘估计嵌套模型比较
9.5.3 非嵌套模型的比较
9.6 缺失值的处理
9.6.1 缺失值处理概述
9.6.2 缺失值的机制
9.6.3 缺失值处理的传统方法
9.6.4 缺失值处理的现代方法
9.6.5 本章小结
9.7 为潜变量指定单位
9.7.1 对标准误的影响
9.7.2 多组测量模型
9.7.3 均值结构模型
9.7.4 效应编码法
9.7.5 效应编码法示例
9.8 样本量与统计功效
参考文献
无