首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
mplus专题
Mplus—潜在剖面分析(Latent Profile Analysis, LPA)
目录 潜类别模型 简介 分类 潜在剖面分析 简介 分析步骤 Mplus语句 结果报告 1. 信息评价指标(AIC, BIC, aBIC) 2. Entropy分类指标 3. 似然比指标 4. 图 5. txt文件 6. 可以以表格的方式呈现多个模型的上述信息 潜在剖面的后续分析 协变量为预测变量 协变量为结果变量 Mplus语句及结果 协变量为预测变量 结果
阅读更多...
Mplus—随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)
交叉滞后面板模型(Cross-Lagged Panel Model, CLPM) 说到随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM),就不得不提及交叉滞后模型(Cross-Lagged Panel Model, CLPM) Cross-lagged panel analysis is an analytical st
阅读更多...