Mplus_下载安装_正版购买_代理商销售价格

Mplus 是一个统计建模程序，它为研究人员提供了一个灵活的工具来分析他们的数据。Mplus 在一个程序中为研究人员提供了多种模型、估计器和算法选择，该程序具有易于使用的界面以及数据和分析结果的图形显示。Mplus 允许分析横截面和纵向数据、单级和多级数据、来自具有观察到或未观察到的异质性的不同人群的数据，以及包含缺失值的数据。可以对连续、删失、二元、有序分类（序数）、无序分类（名义）、计数或这些变量类型的组合的观察变量进行分析。此外，Mplus 具有广泛的蒙特卡罗模拟研究能力，
Mplus 建模框架借鉴了潜在变量的统一主题。Mplus 建模框架的通用性来自于对连续隐变量和分类隐变量的独特使用。连续潜变量用于表示对应于未观察到的构造的因素、对应于个体发育差异的随机效应、对应于分层数据中组间系数变化的随机效应、对应于未观察到的生存时间异质性的脆弱性、对应于遗传易感性的责任疾病，以及对应于缺失数据的潜在响应变量值。分类潜在变量用于表示对应于同质个体群体的潜在类别，
Mplus 建模框架
数据建模的目的是以简单的方式描述数据的结构，使其易于理解和解释。本质上，数据建模相当于指定一组变量之间的关系。下图显示了可以在 Mplus 中建模的关系类型。矩形代表观察到的变量。观察变量可以是结果变量或背景变量。背景变量称为 x；连续和删失的结果变量称为 y；二进制、有序分类（序数）、无序分类（名义）和计数结果变量称为 u。圆圈代表潜在变量。允许连续和分类潜在变量。连续潜变量称为 f。
图中的箭头表示变量之间的回归关系。允许但未在图中具体显示的回归关系包括观察结果变量之间、连续潜变量之间和分类潜变量之间的回归。对于连续结果变量，使用线性回归模型。对于审查结果变量，使用审查（tobit）回归模型，在审查点有或没有通货膨胀。对于二元和有序分类结果，使用概率或逻辑回归模型。对于无序的分类结果，使用多项逻辑回归模型。对于计数结果，使用泊松和负二项式回归模型，在零点有或没有通货膨胀。

Mplus 中的模型可以包括连续潜在变量、分类潜在变量或连续和分类潜在变量的组合。在上图中，椭圆 A 描述了只有连续潜变量的模型。椭圆 B 描述了只有分类潜在变量的模型。完整的建模框架描述了具有连续和分类潜在变量组合的模型。上图的组内和组间部分表明，描述个体级别（组内）和集群级别（组间）变化的多层次模型可以使用 Mplus 进行估计。

使用连续潜变量建模
椭圆 A 描述了只有连续潜变量的模型。以下是可以使用 Mplus 估计的椭圆 A 中的模型：
•回归分析
•路径分析
•探索性因素分析
•验证性因素分析
•结构方程建模
•增长建模
•离散时间生存分析
•连续时间生存分析
观察到的结果变量可以是连续的、删失的、二元的、有序分类（序数）、无序分类（名义）、计数或这些变量类型的组合。
上述模型可用于所有观察到的结果变量类型的特殊功能是：
•单组或多组分析
•MCAR、MAR 和 NMAR 下的缺失数据以及多重插补
•复杂的调查数据特征，包括分层、聚类、不等的选择概率（抽样权重）、亚群分析、复制权重和有限群校正
•使用最大似然的潜在变量交互作用和非线性因子分析
•随机斜率
•个体变化的观察时间
•线性和非线性参数约束
•间接影响，包括特定路径
•所有结果类型的最大似然估计
•Bootstrap 标准误和置信区间
•参数等式的 Wald 卡方检验
•潜在变量的合理值