潜变量建模与Mplus应用 进阶篇PDF电子书下载

第一部分混合模型 2

1 潜类别模型 2

1.1 潜类别模型概述 3

1.2 列联表及其概率分布 3

1.3 潜类别分析原理 5

1.3.1 数学表达式 5

1.3.2 类别概率和条件概率 6

1.3.3 同质性和潜类别距离 7

1.3.4 参数估计 8

1.4 潜类别分析与其他方法的关系 9

1.4.1 与因子分析的比较 9

1.4.2 与聚类分析的异同 11

1.4.3 与Taxometric法的异同 11

1.5 潜类别分析的类型 11

1.5.1 探索性潜类别分析 12

1.5.2 验证性潜类别分析 12

1.5.3 多组潜类别分析 12

1.5.4 多个潜变量的潜类别模型 13

1.5.5 包含协变量的潜类别分析 13

1.5.6 其他形式 13

1.6 模型拟合评价 13

1.6.1 模型评价 13

1.6.2 模型比较 14

1.6.3 指数评价——保留正确的类别个数 14

1.6.4 潜类别分析的其他问题 15

1.7 探索性潜类别分析示例 16

1.7.1 探索性LCA的Mplus分析过程 16

1.7.2 结果解释 21

1.8 潜在剖面分析示例 24

1.9 验证性潜类别分析示例 27

1.10 多组潜类别分析示例 31

1.11 本章小结：潜类别分析作为混合模型的基本形式 33

2 回归混合模型 35

2.1 回归混合模型概述 36

2.2 包含预测变量的RMM 37

2.3 包含结局变量的RMM 44

2.3.1 结局变量是连续变量 44

2.3.2 结局变量是类别变量 47

2.4 潜类别变量作为调节变量的RMM 48

2.5 混合结构方程模型 51

2.6 实例分析 52

2.7 本章小结 59

3 因子混合模型 61

3.1 因子混合模型概述 62

3.2 因子混合模型作为一般的模型 62

3.3 FMM的变式 63

3.3.1 概述 63

3.3.2 混合因子模型 64

3.3.3 潜类别因子分析 65

3.3.4 半参数因子混合模型 65

3.3.5 非参数因子混合模型 66

3.3.6 其他变式 66

3.4 FMM的分析过程 67

3.5 实例分析 68

3.5.1 PTSD结构的FMM分析 68

3.5.2 结果解释 68

3.6 本章小结 81

4 潜增长曲线模型 83

4.1 潜增长模型概述 84

4.2 潜增长模型的原理 85

4.2.1 多水平模型对个体成长轨迹的描述 85

4.2.2 LGCM描述个体成长 86

4.2.3 潜增长模型与多水平模型比较 87

4.3 线性增长模型拓展 87

4.3.1 非线性增长模型 87

4.3.2 包含协变量的LGCM 89

4.3.3 多变量增长曲线模型 91

4.3.4 高阶或多指标LGCM 92

4.4 增长曲线模型几个重要的问题 93

4.4.1 测量次数 93

4.4.2 样本量 93

4.4.3 时间分数的确定 93

4.5 Mplus具体实例 94

4.5.1 LGCM在Mplus中的设置 94

4.5.2 具体实例说明 95

4.5.3 无条件线性LGCM示例 95

4.5.4 无条件非线性（二次）LGCM示例 99

4.5.5 时间分值自由估计的LGCM示例 101

4.5.6 包含时间变化和不变化协变量的LGCM示例 102

4.5.7 平行发展模式的LGCM示例 104

4.5.8 多组增长模型 107

4.6 本章小结 109

5 增长混合模型——潜类别增长模型与增长混合模型 110

5.1 混合增长模型概述 111

5.2 增长混合模型的表达式 113

5.3 GMM建模的过程 114

5.3.1 建模过程 114

5.3.2 包含协变量的GMM 115

5.3.3 样本量 116

5.3.4 GMM在Mplus中的设定 116

5.4 LCGM分析示例 117

5.5 GMM分析示例 124

5.6 GMM模型变式 127

5.6.1 跨类别自由估计的GMM 127

5.6.2 带有协变量的GMM 130

5.7 本章小结 133

第二部分 多水平模型 136

6多水平回归模型 136

6.1 当OLS遇到嵌套数据 137

6.2 多水平回归模型的优势 141

6.3 一个典型的两水平回归模型 147

6.4 Mplus代码与结果呈现 149

6.5 “中心化”问题 153

6.6 跨水平交互作用 155

6.7 常见子模型 157

6.7.1 随机效应单因素方差分析 157

6.7.2 以均值为结果的回归 159

6.7.3 随机效应单因素协方差分析 160

6.7.4 随机系数回归模型 161

6.7.5 以截距和斜率为结果的模型 162

6.7.6 非随机变动斜率模型 162

6.7.7 小结 163

6.8 模型估计 165

6.9 模型拟合 167

6.9.1 Raudenbush＆Bryk拟合指数 167

6.9.2 Snijders＆Bosker拟合指数 168

6.10 模型比较 169

6.10.1 使用x2 170

6.10.2 使用LL计算S-B调整卡方统计量 171

6.11 建模策略与一般步骤 173

6.11.1 模型设定 173

6.11.2 多水平回归建模的一般步骤 174

6.11.3 构建最终多水平回归模型 175

6.12 本章小结 178

7 多水平增长模型 180

7.1 历时数据及分析框架 181

7.1.1 历时数据的概念 181

7.1.2 基于多水平框架的增长模型 182

7.1.3 数据结构 184

7.2 线性增长模型 186

7.2.1 无条件均值模型 186

7.2.2 无条件增长模型 188

7.2.3 增长模型中的协变量 189

7.3 曲线增长模型 196

7.4 本章小结 200

8 多水平结构方程模型 201

8.1 多水平结构方程的基本框架 202

8.1.1 多水平结构方程的定义 202

8.1.2 多水平潜协变量方法与双潜多水平模型 204

8.1.3 估计方法 211

8.1.4 拟合指标 213

8.2 多水平因子分析 215

8.2.1 多水平因子分析概述 215

8.2.2 多水平验证性因子分析 217

8.2.3 多水平探索性因子分析 224

8.2.4 多水平因子分析拓展 226

8.3 多水平路径分析 230

8.3.1 单水平路径分析 230

8.3.2 多水平路径分析 232

8.4 多水平结构方程模型 236

8.4.1 单水平结构方程 236

8.4.2 多水平结构方程 238

8.5 本章小结 243

9 多水平中介效应分析 245

9.1 多水平中介效应分析概述 246

9.2 基于MLM的多水平中介效应分析 247

9.2.1 多水平固定中介效应分析 247

9.2.2 多水平随机中介效应分析 248

9.2.3 基于MLM的多水平中介效应分析存在的问题 249

9.3 基于MSEM的多水平中介效应分析 252

9.3.1 基于MSEM的多水平中介效应分析的优势 252

9.3.2 以矩阵表达的基于MSEM多水平中介效应分析 254

9.4 多水平中介效应分析实例 259

9.4.1 常见模型 259

9.4.2 高水平结果模型 271

9.4.3 其他拓展 274

9.5 与调节效应结合的多水平中介效应分析 276

9.5.1 多水平有中介的调节效应分析 277

9.5.2 多水平有调节的中介效应分析 281

9.6 本章小结 284

第三部分 贝叶斯结构方程模型 288

10 潜变量建模的贝叶斯方法 288

10.1 贝叶斯概述 289

10.2 贝叶斯定理 290

10.3 贝叶斯分析 291

10.4 贝叶斯分析过程 293

10.4.1 贝叶斯估计：马尔科夫链蒙特卡洛算法 294

10.4.2 收敛的判断 295

10.5 模型拟合评价与模型比较 298

10.5.1 后验预测检验 298

10.5.2 贝叶斯因子 300

10.5.3 贝叶斯信息指数 301

10.5.4 异常信息指数 301

10.6 贝叶斯结果报告：WAMBS清单 301

10.7 贝叶斯CFA 302

10.7.1 背景介绍与模型设定 302

10.7.2 模型参数收敛评价 304

10.7.3 模型拟合与比较 306

10.7.4 模型结果解释 306

10.7.5 敏感性分析 308

10.8 贝叶斯中介模型 308

10.8.1 背景介绍和模型设定 308

10.8.2 模型收敛检验 309

10.8.3 模型拟合评价 311

10.8.4 模型结果解释 312

10.9 贝叶斯混合模型 312

10.9.1 背景介绍和模型设定 312

10.9.2 模型收敛检验 313

10.9.3 模型拟合评价 316

10.9.4 模型结果解释 317

10.10 本章小结 318

参考文献 320