Mplus 是一款統(tǒng)計(jì)建模程序,給研究人員提供了一個(gè)靈活的分析數(shù)據(jù)的工具。
Mplus界面簡單、數(shù)據(jù)和分析結(jié)果以圖形顯示,為研究人員提供廣泛的模型、估計(jì)和算法的選擇。Mplus允許進(jìn)行橫截面和縱向、單級和多級數(shù)據(jù)分析;來自不同人群的觀測數(shù)據(jù)或未觀測到的異質(zhì)性數(shù)據(jù),以及包含缺失值的數(shù)據(jù)都可以進(jìn)行分析??梢詫B續(xù)、刪失、二進(jìn)制、有序分類(序數(shù))、無序類別(計(jì)數(shù))、計(jì)數(shù)或這些變量類型的組合觀測變量都可以進(jìn)行分析。此外,Mplus還具有廣泛的蒙特卡羅模擬功能,程序中包含的任何模型,都可以生成和分析數(shù)據(jù)。
Mplus的建模框架借鑒了潛變量的統(tǒng)一主題。而且一般的建??蚣軄碜赃B續(xù)和分類潛變量的使用。連續(xù)潛變量用于表示與未觀測到的構(gòu)造相對應(yīng)的因素,隨機(jī)效應(yīng)與發(fā)展中的個(gè)體差異相對應(yīng),隨機(jī)效應(yīng)與分層數(shù)據(jù)中各組間系數(shù)變化相對應(yīng),弱點(diǎn)對應(yīng)于生存時(shí)間的異質(zhì)性,責(zé)任與疾病遺傳易感性相對應(yīng),潛在響應(yīng)變量值與缺失數(shù)據(jù)相對應(yīng)。分類潛變量對應(yīng)于均質(zhì)個(gè)體群,潛在的軌跡分類對應(yīng)于未觀測種群的發(fā)展類型,混合組件對應(yīng)于未觀測種群的有限混合,潛在響應(yīng)變量類別對應(yīng)于缺失數(shù)據(jù)。
建模數(shù)據(jù)的目的是以簡單的方式描述數(shù)據(jù)結(jié)構(gòu),便于理解和解釋。本質(zhì)上,數(shù)據(jù)建模相當(dāng)于指定變量之間的一組關(guān)系。下圖表示了在Mplus建模中的關(guān)系類型。矩形表示觀測變量,觀測變量可以是結(jié)果變量或背景變量。背景變量為X,連續(xù)和截尾結(jié)果變量為y,二元、有序范疇(序數(shù)),無序分類(名詞)和計(jì)數(shù)結(jié)果變量為u。圓圈代表潛變量。允許連續(xù)變量和類別變量,連續(xù)潛變量為f,分類潛變量為c。
圖中的箭頭表示變量之間的回歸關(guān)系。回歸關(guān)系是允許的,但在圖中沒有具體說明,包括觀測到的結(jié)果變量之間的回歸,連續(xù)潛變量之間的回歸以及類別潛變量的回歸。對于連續(xù)結(jié)果變量,使用的是線性回歸模型。對于結(jié)果變量,在刪截點(diǎn)有或沒有通貨膨脹,審查(tobit)都使用回歸模型。對于二進(jìn)制和有序分類結(jié)果,使用概率或logistic回歸模型。對于無序的分類結(jié)果,使用多項(xiàng)式logistic回歸模型。對于計(jì)數(shù)結(jié)果,不管通貨膨脹率是否為零,都使用Poisson和負(fù)二項(xiàng)回歸模型。
Mplus模型包括連續(xù)的潛變量、分類潛變量、連續(xù)變量和類別潛變量的組合。上圖中,圓柱A描述只有潛在連續(xù)變量的模型。圓柱B描述只有特定潛變量的模型。完整的建模框架描述了連續(xù)變量和類別變量相結(jié)合的模型。上圖表明,Mplus估計(jì)的描述個(gè)體水平的多層次模型(內(nèi)部)和集群水平(之間)的變量。
可以估計(jì)回歸、路徑分析、探索性因素分析和驗(yàn)證性因素分析(EFA和CFA)、結(jié)構(gòu)方程模型(SEM)、增長以及離散和連續(xù)時(shí)間生存分析模型。在回歸和路徑分析模型中,觀測到的因變量可以是連續(xù)的、刪失的、二進(jìn)制的、有序的(序數(shù))、計(jì)數(shù)或這些變量類型的組合。此外,對于非中介變量的回歸分析和路徑分析,觀測到的因變量可以是無序的分類(名義上)。在探索性因素分析中,因素指標(biāo)可以是連續(xù)的、二進(jìn)制的、有序的分類(排序)或是這些變量類型的組合。在CFA、SEM和增長模型中,觀測到的因變量可以是連續(xù)的、刪失的、二元的、有序的(序數(shù))、無序的分類(名詞)、計(jì)數(shù)或這些變量類型的組合。其他特殊的功能包括單組或多組分析,缺失數(shù)據(jù)估計(jì);復(fù)雜的調(diào)查數(shù)據(jù)分析,包括分層,聚類,和不平等的選擇概率(抽樣權(quán)重);用極大似然法分析潛在變量相互作用和非線性因素;隨機(jī)斜率;個(gè)體變化的觀測次數(shù);非線性參數(shù)約束;間接影響;所有結(jié)果類型的極大似然估計(jì)。引導(dǎo)的標(biāo)準(zhǔn)誤差和置信區(qū)間;貝葉斯分析與多重歸責(zé)原則;蒙特卡羅模擬功能以及后處理圖形模型。
包含了所有Mplus Base Program的功能。此外,它估計(jì)回歸混合模型;路徑分析混合模型;潛在類別分析;具有多個(gè)分類潛在變量的潛在類別分析;對數(shù)線性模型;有限混合模型;編譯器平均因果效應(yīng)(CACE)模型;潛在類別增長分析;潛在過渡分析;隱馬爾可夫模型;以及離散和連續(xù)時(shí)間生存混合分析。觀察到的因變量可以是連續(xù)的、刪失的、二元的、有序分類(序數(shù))、無序分類(名義)、計(jì)數(shù)或這些變量類型的組合。其他特殊功能包括單組或多組分析;缺失數(shù)據(jù)估計(jì);復(fù)雜的調(diào)查數(shù)據(jù)分析,包括分層、聚類、和不等的選擇概率(抽樣權(quán)重);使用最大似然的潛在變量相互作用和非線性因子分析;隨機(jī)斜率;不同的觀察時(shí)間;非線性參數(shù)約束;間接影響;所有結(jié)果類型的最大似然估計(jì);引導(dǎo)標(biāo)準(zhǔn)誤差和置信區(qū)間;隨機(jī)開始的自動起始值;貝葉斯分析和多重插補(bǔ);蒙特卡洛模擬設(shè)施;和一個(gè)后處理圖形模塊。引導(dǎo)標(biāo)準(zhǔn)誤差和置信區(qū)間;隨機(jī)開始的自動起始值;貝葉斯分析和多重插補(bǔ);蒙特卡洛模擬設(shè)施;和一個(gè)后處理圖形模塊。引導(dǎo)標(biāo)準(zhǔn)誤差和置信區(qū)間;隨機(jī)開始的自動起始值;貝葉斯分析和多重插補(bǔ);蒙特卡洛模擬設(shè)施;和一個(gè)后處理圖形模塊。
包含 Mplus Base Program的所有功能。此外,它使用多級模型估計(jì)聚類數(shù)據(jù)的模型。這些模型包括多級回歸分析、多級路徑分析、多級因子分析、多級結(jié)構(gòu)方程建模、多級增長建模以及多級離散和連續(xù)時(shí)間生存模型。在多級分析中,觀察到的因變量可以是連續(xù)的、刪失的、二元的、有序分類(序數(shù))、無序分類(名義)、計(jì)數(shù)或這些變量類型的組合。其他特殊功能包括單組或多組分析;缺失數(shù)據(jù)估計(jì);復(fù)雜的調(diào)查數(shù)據(jù)分析,包括分層、聚類和不等的選擇概率(抽樣權(quán)重);使用最大似然的潛在變量相互作用和非線性因子分析;隨機(jī)斜率;不同的觀察時(shí)間;非線性參數(shù)約束;所有結(jié)果類型的最大似然估計(jì);貝葉斯分析和多重插補(bǔ);蒙特卡洛模擬設(shè)施;和一個(gè)后處理圖形模塊。
包含 Mplus Base Program 和 Mixture and Multilevel Add-Ons 的所有功能。此外,它還包括在同一模型中同時(shí)處理聚類數(shù)據(jù)和潛在類別的模型,例如兩級回歸混合分析、兩級混合驗(yàn)證性因子分析(CFA)和結(jié)構(gòu)方程建模(SEM),以及級潛在類別分析、多級增長混合建模以及兩級離散和連續(xù)時(shí)間生存混合分析。其他特殊功能包括缺失數(shù)據(jù)估計(jì);復(fù)雜的調(diào)查數(shù)據(jù)分析,包括分層、聚類和不等的選擇概率(抽樣權(quán)重);使用最大似然的潛在變量相互作用和非線性因子分析;隨機(jī)斜率;不同的觀察時(shí)間;非線性參數(shù)約束;所有結(jié)果類型的最大似然估計(jì);貝葉斯分析和多重插補(bǔ);蒙特卡洛模擬設(shè)施;和一個(gè)后處理圖形模塊。
Microsoft Windows 8/10 Mac OS X 10.8或更高版本
Linux (已在下面的平臺中測試過: Ubuntu, RedHat, Fedora, Debian和Gentoo) 至少1GB以上的內(nèi)存 至少120 MB硬盤空間
北京友萬信息科技有限公司,英文全稱:Beijing Uone Info&Tech Co.,Ltd ( Uone-Tech )是中國大陸領(lǐng)先的教育和科學(xué)軟件分銷商,已在中國300多所高校建立了可靠的分銷渠道。擁有最成功的教學(xué)資源和數(shù)據(jù)管理專家。如需申請軟件采購及老版本更新升級請聯(lián)系我們,咨詢熱線:010-56548231 ,咨詢郵箱:info@uone-tech.cn 感謝您的支持與關(guān)注。