在结构方程模型中，调节参数，卡方的含义，mplus的参数与amos的参数, 标准化系数的标准差（mplus）

title: zhanglijiaRegression;

data:  file is C:\\users\\mike1\\desktop\\data\\zhanglijia\\dataExperiment.csv;

variable: names are x,y1,y2,y3;
          usevariables are x,y1,y2,y3;



analysis: type=general;
          
          estimator=ML;
          


model:   y by y1,y2,y3;
         y on x;
         y1 with y2;

output:  sampstat standardized modindices;

在这里必须要写上， modindices 才能够产生关于调节参数的结果

 

 

 可以看到调参的建议

 

与amos参数的区别，amos有很多的参数，但是，mplus只有 卡方of model fit , 卡方 model fit for baseline model , CFI ,TLI, RMSEA, SRMR, 这几个参数，其中，第一个卡方说明的是样本的数据与模型的拟合程度，要不显著，并且与DF的比较要小于3， 第二个卡方要显著，说明与最烂的模型有差异，RMSEA， SRMER 要小于0.08，

CFI，TLI　要大于０.９５.

 

下图说明模型并不好,要调参.

 

 

调参代码, 只是增加了 y1 with y2

title: zhanglijiaRegression;

data:  file is C:\\users\\mike1\\desktop\\data\\zhanglijia\\dataExperiment.csv;

variable: names are x,y1,y2,y3;
          usevariables are x,y1,y2,y3;



analysis: type=general;
          
          estimator=ML;

          
   
          


model:   y by y1,y2,y3;
         y on x;
         y1 with y2;

output:  sampstat standardized modindices;

 

 

 

 

 

 

 

调参结果: 结果显示,良好

 

 

 

 

 

这个R方,说明了自变量对因变量的解释程度,用1-R方,     就是 残差的R方值.

 

 

 

这是标准化的系数,但是标准化的系数标准差应该是1, 这里的标准差,应该是一个估计值, 一般在报告结果时, 只会报告,非标的T值,置信区间,P值,对于标准化系数,报告一个值,就可以了.

但是如果先将原来的数据标准化,在求非标的系数,其结果应该就是标准化的系数.