當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

Mplus—纵向不变性/纵向等值

發(fā)布時間：2024/1/18 编程问答 36 豆豆

生活随笔收集整理的這篇文章主要介紹了 Mplus—纵向不变性/纵向等值小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

測量不變性/測量等值

縱向不變性/縱向等值

分析步驟

形態(tài)等值（Configural Invariance）

單位等值（Metric Invariance）或弱等值（Weak Invariance）

尺度等值（Scalar Invariance）或強(qiáng)等值（Strong Invariance）

誤差方差等值（Error Variance Invariance）或嚴(yán)格等值（Strict Invariance）

Mplus操作方法

三次調(diào)查數(shù)據(jù)的縱向不變性檢驗

形態(tài)等值語句

單位等值/弱等值語句

尺度等值/強(qiáng)等值語句

誤差方差等值語句

模型比較

測量不變性/測量等值

測量等值（Measurement Equivalence, ME）或測量不變性（Measurement Invariance, MI）是指在不同情境下對同一屬性進(jìn)行測量所得結(jié)果是一致的。這些情境包括不同群體、不同場合和不同測量的時間點。

不同群體和不同場合的等值也稱為多組等值/不變性。

不同時間點的等值也稱為縱向等值/不變性。

縱向不變性/縱向等值

在縱向調(diào)查或追蹤研究中，只有保證測量工具具有縱向不變性，即使用同一量表在不同時間點均能有效對被試某一特性進(jìn)行測量，才能夠真正揭示心理活動發(fā)展變化的規(guī)律。

因此，在正式進(jìn)行數(shù)據(jù)分析之前，首先要對量表的縱向不變性進(jìn)行檢驗。

例如，下面這篇文章想要探究特質(zhì)憤怒、敵意歸因偏向、憤怒沉浸和社會攻擊之間的縱向關(guān)系

Li, R., & Xia, L. X. (2020). The mediating mechanisms underlying the longitudinal effect of trait anger on social aggression: Testing a temporal path model.?Journal of Research in Personality, 88, 104018.?http://doi.org/10.1016/j.jrp.2020.104018

在構(gòu)建交叉滯后面板模型（Cross-Lagged Panel Model, CLPM）之前，首先對各個量表的縱向不變性進(jìn)行了檢驗。

Third, the measurement invariance of the longitudinal data was tested. Fourth, a FULL auto-regressive cross-lagged model with all research variables across three waves was conducted.

在同一群體中，間隔相同的時間，進(jìn)行三次測量。采用單一數(shù)據(jù)文件，即三次測量的數(shù)據(jù)包含在同一文件中，SPSS數(shù)據(jù)陳列方式如下：

縱向不變性模型設(shè)定上，同一測量指標(biāo)的誤差允許相關(guān)

縱向不變性模型中同一指標(biāo)使用了不止一次，而一般認(rèn)為誤差方差中包含的指標(biāo)獨特性方差在兩次測量間保持恒定，所以同一指標(biāo)的誤差允許相關(guān)是方法效應(yīng)（method effect）的估計。如果不允許誤差相關(guān)反而導(dǎo)致系統(tǒng)的參數(shù)估計偏差。

所以上述模型的示意圖為：

分析步驟

形態(tài)等值（Configural Invariance）

檢驗潛變量的構(gòu)成形態(tài)或模式是否相同，也成為因素模式等同。

單位等值（Metric Invariance）或弱等值（Weak Invariance）

檢驗測量指標(biāo)與因子之間的關(guān)系，即因子負(fù)荷在各組間是否等值。

如果每一個觀測項目在對應(yīng)潛變量上的因子負(fù)荷跨組等同，就可以說明觀測指標(biāo)和潛在特質(zhì)之間在不同組間有著相同的意義。

尺度等值（Scalar Invariance）或強(qiáng)等值（Strong Invariance）

檢驗觀測變量的截距是否具有不變性。

強(qiáng)等值性的確立表明測量在不同組之間具有相同的參照點。

只有滿足單位等值與尺度等值，即單位和參照點都相同，用觀測變量估計的潛變量分?jǐn)?shù)才是無偏的，組間比較也才有意義

誤差方差等值（Error Variance Invariance）或嚴(yán)格等值（Strict Invariance）

檢驗誤差方差是否跨組等值。

Mplus操作方法

三次調(diào)查數(shù)據(jù)的縱向不變性檢驗

?形態(tài)等值語句

TITLE: This is an example of a longitudinal invariance; ! 該語句的內(nèi)容

DATA: FILE IS XXX.dat; ! 數(shù)據(jù)文件

VARIABLE: NAMES ARE X11-X13 X21-X23 X31-X33; ! 數(shù)據(jù)文件中的變量

? ? ? ? ? ? ? ? ?? USEVARIABLE ARE X11-X13 X21-X23 X31-X33; ! 本次分析中所用到的變量

? ? ? ? ? ? ? ? ?? MISSING=ALL (99); ! 定義缺失值。Mplus默認(rèn)使用全息極大似然估計（FIML）處理缺失值，這種處理最大程度利用原始數(shù)據(jù)

ANALYSIS: ESTIMATOR=MLM; ! 估計方法，適用于非正態(tài)數(shù)據(jù)

MODEL: X1 BY X11-X13;

? ? ? ? ? ? ? ?X2 BY X21-X23;

? ? ? ? ? ? ? ?X3 BY X31-X33; ! 驗證性因素分析

? ? ? ? ? ? ? ?X11-X13 PWITH X21-X23;

? ? ? ? ? ? ? ?X11-X13 PWITH X31-X33;

? ? ? ? ? ? ? ?X21-X23 PWITH X31-X33; ! 允許不同時間點同一指標(biāo)的誤差相關(guān)

OUTPUT: SAMPSTAT MOD STANDARDIZED CINTERVAL; ! 結(jié)果輸出樣本統(tǒng)計量、修正指數(shù)、標(biāo)準(zhǔn)化值、置信區(qū)間

MLM：極大似然估計伴標(biāo)準(zhǔn)誤和均值校正的卡方檢驗，此時得到的參數(shù)為Satorra-Bentler 校正統(tǒng)計量（S-Bχ2 : Satorra-Bentler chi-square values）。此方法適用于非正態(tài)數(shù)據(jù)。
用PWITH設(shè)定誤差方差相關(guān)，PWITH定義配對相關(guān)或協(xié)方差關(guān)系，X1 X2 PWITH X3 X4等價于X1 WITH X3; X2 WITH X4。

?單位等值/弱等值語句

TITLE: This is an example of a longitudinal invariance;

DATA: FILE IS XXX.dat;

VARIABLE: NAMES ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?USEVARIABLE ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?MISSING=ALL (99);

ANALYSIS: ESTIMATOR=MLM;

MODEL: X1 BY X11-X13 (1-3);

? ? ? ? ? ? ? ?X2 BY X21-X23 (1-3);

? ? ? ? ? ? ? ?X3 BY X31-X33 (1-3); ! 加設(shè)因子負(fù)荷等值，通過相同的數(shù)字設(shè)定負(fù)荷等值

? ? ? ? ? ? ? ?X11-X13 PWITH X21-X23;

? ? ? ? ? ? ? ?X11-X13 PWITH X31-X33;

? ? ? ? ? ? ? ?X21-X23 PWITH X31-X33; ! 允許不同時間點同一指標(biāo)的誤差相關(guān)

OUTPUT: SAMPSTAT MOD STANDARDIZED CINTERVAL;

(number) 限定參數(shù)相等
F1 BY X1-X5 (1-5);
F2 BY X6-X10 (1-5);
上述語句表明，條目X2和X7，X3和X8……的負(fù)荷設(shè)定為相等，條目X1和X6的負(fù)荷程序默認(rèn)為1

尺度等值/強(qiáng)等值語句

TITLE: This is an example of a longitudinal invariance;

DATA: FILE IS XXX.dat;

VARIABLE: NAMES ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?USEVARIABLE ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?MISSING=ALL (99);

ANALYSIS: ESTIMATOR=MLM;

MODEL: X1 BY X11-X13 (1-3);

? ? ? ? ? ? ? ?X2 BY X21-X23 (1-3);

? ? ? ? ? ? ? ?X3 BY X31-X33 (1-3); ! 加設(shè)因子負(fù)荷等值，通過相同的數(shù)字設(shè)定負(fù)荷等值

? ? ? ? ? ? ? ?X11-X13 PWITH X21-X23;

? ? ? ? ? ? ? ?X11-X13 PWITH X31-X33;

? ? ? ? ? ? ? ?X21-X23 PWITH X31-X33; ! 允許不同時間點同一指標(biāo)的誤差相關(guān)

? ? ? ? ? ? ? ?[X11 X21 X31] (4);

? ? ? ? ? ? ? ?[X12 X22 X32] (5);

? ? ? ? ? ? ? ?[X13 X23 X33] (6); ! 加設(shè)截距等值

? ? ? ? ? ? ? ?[X2*]; [X3*]; ! 由于前兩步Mplus默認(rèn)因子均值為0，從第三步開始只默認(rèn)第一組的因子均值為0，其他組自由估計。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?! 然而我們的數(shù)據(jù)采用“單組模型”，所以第二次測量的因子均值也被當(dāng)做第一組因子處理了。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?! 因此在這里開始加上第二次、第三次因子均值自由估計的語句。

OUTPUT: SAMPSTAT MOD STANDARDIZED CINTERVAL;

通過[list of variables]表示均值、截距或閾限值，通過(number)相同的數(shù)字設(shè)定項目截距等值
[X1 X2 X3]表示估計X1 X2 X3的均值、截距或閾限
* 指定開始值或?qū)⒛J(rèn)值設(shè)置改成自由估計
X* 自由估計
X*0.6 將X的起始值設(shè)定為0.6

誤差方差等值語句

TITLE: This is an example of a longitudinal invariance;

DATA: FILE IS XXX.dat;

VARIABLE: NAMES ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?USEVARIABLE ARE X11-X13 X21-X23 X31-X33;

? ? ? ? ? ? ? ? ? ?MISSING=ALL (99);

ANALYSIS: ESTIMATOR=MLM;

MODEL: X1 BY X11-X13 (1-3);

? ? ? ? ? ? ? ?X2 BY X21-X23 (1-3);

? ? ? ? ? ? ? ?X3 BY X31-X33 (1-3); ! 加設(shè)因子負(fù)荷等值，通過相同的數(shù)字設(shè)定負(fù)荷等值

? ? ? ? ? ? ? ?X11-X13 PWITH X21-X23;

? ? ? ? ? ? ? ?X11-X13 PWITH X31-X33;

? ? ? ? ? ? ? ?X21-X23 PWITH X31-X33; ! 允許不同時間點同一指標(biāo)的誤差相關(guān)

? ? ? ? ? ? ? ?[X11 X21 X31] (4);

? ? ? ? ? ? ? ?[X12 X22 X32] (5);

? ? ? ? ? ? ? ?[X13 X23 X33] (6); ! 加設(shè)截距等值

? ? ? ? ? ? ? ?[X2*]; [X3*]; ! 第二次和第三次的因子均值自由估計

? ? ? ? ? ? ? ? X11 X21 X31 (7);

? ? ? ? ? ? ? ? X12 X22 X32 (8);

? ? ? ? ? ? ? ? X13 X23 X33 (9); ! 加設(shè)誤差方差等值，通過相同的數(shù)字設(shè)定誤差方差等值

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?! list of variables 定義方差或者殘差方差，當(dāng)變量是自變量時為方差，當(dāng)為因變量時為殘差方差

OUTPUT: SAMPSTAT MOD STANDARDIZED CINTERVAL;

模型比較

通過模型比較，來確定測量工具滿足哪個層面的不變性。

擬合指數(shù)差異的方法檢驗測量等值，常用指標(biāo)有：

1. 卡方差異檢驗差異不顯著：Crawford和Henry(2004)制作的SBDIFF.EXE差異檢驗程序

Computer program for Satorra-Bentler scaled difference chi square test

In the current study, we fitted the longitudinal configural →weak invariance → strong invariance → strict invariance models in sequence. The fitness of each of the invariance models was evaluated with global fit indices and ?χ2 tests. Specifically, the configural invariance assumption was evaluated with global fitness of the configural invariance. The fitness of other invariance models was evaluated with ?χ2 tests. An invariance assumption held if its corresponding ?χ2 test result was nonsignificant (p > .05).

2. ?RMSEA < 0.015，?CFI < 0.01

The nested longitudinal invariance models were evaluated using Chen (2007) recommendations that change in CFI (ΔCFI) of less than 0.01 and change in RMSEA (ΔRMSEA) of less than 0.015 or a change in SRMR (ΔSRMR) of less than 0.030 would support metric invariance. For scalar and strict invariance a change in CFI (ΔCFI) of less than 0.01 and change in RMSEA (ΔRMSEA) of less than 0.015 or a change in SRMR (ΔSRMR) of less than 0.010 would indicate invariance across time (Stenling et al., 2018).

We used the criteria suggested by Chen et al. (2008): a decrease in CFI of <0.01, and an increase in RMSEA of <0.015 was taken as an unacceptable decrease of model fit (de Beurs et al., 2015).

Specifically, following previous recommendations [16], a decrease in CFI of ≥ 0.01 and an increase in RMSEA of ≥ 0.015 was considered unacceptable to establish measurement invariance (Moreira et al., 2018).

希望上述介紹可以幫助到你！也歡迎大家在評論區(qū)多多交流分享。

你的關(guān)注/點贊 /收藏★/分享，是最大的支持！

總結(jié)

以上是生活随笔為你收集整理的Mplus—纵向不变性/纵向等值的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。