Mplus—交叉滞后面板模型(Cross-Lagged Panel Model, CLPM)

VIPMplus—交叉滞后面板模型(Cross-Lagged Panel Model, CLPM)
本文介绍交叉滞后模型相关知识,以及显变量模型与潜变量模型在Mplus中的语法。
开通可读全文 ·1.3w 人阅读
最低0.47元/天 解锁文章

目录

理论篇

CLPM估计三种类型的关系

CLPM的优缺点

操作篇—Mplus语法

显变量模型—两个变量两波数据

结果解读

1. 模型拟合情况

2. 路径系数及显著性

3. 置信区间

4. 修正指数

5. 模型图

显变量模型—三个变量三波数据

 中介效应检验语法

显变量模型—三个变量两波数据

潜变量模型

控制协变量


本文介绍交叉滞后模型相关知识,以及显变量模型与潜变量模型在Mplus中的语法。

如仅想了解操作方法,可直接跳转操作篇。

理论篇

交叉滞后面板模型(Cross-Lagged Panel Model, CLPM)是描述变量之间相互关系的一种纵向数据分析方法。

Cross-lagged panel analysis is an analytical strategy used to describe reciprocal relationships, or directional influences, between variables over time (Kearney, 2017).
The cross-lagged panel model (CLPM) has been extremely popular in behavioral and psychological science research (Usami et al., 2019).

最基本的CLPM如下图所示,对两个变量在两个时间点分别进行了测量,因此,该模型包括了两个X变量(x1,x2)和两个Y变量(y1,y2)。

2f88cdcd56ab40378c8d396bb0094a17.png

CLPM估计三种类型的关系

1. [Synchronous] Correlations:指同一时间点两个变量之间的关系。在上图中为x1与y1之间的相关(rx1y1),x2与y2之间的相关(rx2y2)。

2. Autoregressive effects:指不同时间点同一变量之间的关系。在上图中为x1到x2的效应(β3),y1到y2的效应(β4)。

Autoregressive effects describe the amount of stability in constructs over time. Smaller autoregressive coefficients (closer to zero) indicate more variance in the construct, meaning less stability or influence from the previous time point. Larger autoregressive coefficients indicate little variance over time, meaning more stability or influence from the previous time point (Kearney, 2017).

 3. Cross-Lagged effects:指不同时间点不同变量之间的关系。在上图中为x1到y2的效应(β1),y1到x2的效应(β2)。

CLPM的优缺点

CLPM的优点为:在控制同一时间点内变量之间相关性和变量跨时间稳定性的情况下,探讨一个变量对另一个变量的预测效应。

CLPM的缺点是:纵向数据本身是一种多水平的数据,变量变异的来源可以天然分类到个体间水平和个体内水平。但CLPM混淆了个体间(Between-person)和个体内(Within-person)这两个截然不同水平的效应。

A major limitation of the CLPM is that it does not separate between-person effects from within-person effects. Depending on the between-person and within-person variance structures, CLPM results may reflect mostly between-person effects, mostly within-person effects, or an ambiguous mix of effects, leaving the researcher with an uninterpretable blend of effects (Masselink et al., 2018).

因此,传统交叉滞后模型的基础上,Hamaker等人(2015)提出了随机截距的交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM),详情可见下面这篇文章。

随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)_Kunle~的博客-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/m0_54401011/article/details/129029691


操作篇—Mplus语法

显变量模型—两个变量两波数据

假设有两个变量X和Y,对每个变量进行了两次测量,得到四个变量x1,x2,y1,y2。对应CLPM的Mplus语句为:

TITLE: Cross-Lagged Panel Model, 2 variables, 2 waves;

VIP Mplus—随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM) 介绍随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)的相关知识,例如模型内容、Mplus语法及对应网址等。 开通可读全文·9.5k 阅读·6 点赞·47 收藏 阅读全文

相关推荐

Mplus—验证性因素分析(Confirmatory Factor Analysis, CFA)

介绍一阶和二阶验证性因素分析概况及在Mplus中的操作方法。

m0_54401011的博客 1万+

Mplus—多组随机截距交叉滞后模型(The multiple group RI-CLPM)/多组比较/多组分析

随机截距交叉滞后模型进行多组比较/多组分析的Mplus语句。

m0_54401011的博客 4597

Mplus—多指标随机截距交叉滞后模型(Multiple Indicator Random Intercept Cross-Lagged Panel Model, MI RI-CLPM)

多指标随机截距交叉滞后模型的Mplus语法。

m0_54401011的博客 1662

Mplus—纳入协变量的随机截距交叉滞后模型(RI-CLPM)语法

纳入时变和时不变协变量的随机截距交叉滞后模型(RI-CLPM)语法。

m0_54401011的博客 1905

Mplus—随机截距交叉滞后模型(RI-CLPM)语法

随机截距交叉滞后模型RI-CLPM的Mplus语法。

m0_54401011的博客 2520

mplus 软件_Mplus基础系列教程(三)

编者按公众号本着公益分享,为大家带来了不少学习资源。前一段时间,由于编者精力和能力有限,于是本公众号招聘有志向的志愿者进行一定的创作,很感谢这些报名的勇士,给你们鼓掌,同时,我们也欢迎更多的人加入我们,为创造更好的公众号一起努力。本期由朱学乐原创完成的Mplus教程系列,将在后面陆续推出,感谢他的辛苦付出,各位看官可以在文章底部赞赏他们。01CFA简介验证性因素分析(CFA)是结构方程模...

weixin_39834745的博客 5920

R数据分析:交叉滞后模型非专业解释

今天继续写交叉滞后模型,本文大部分内容参考自文献:Kearney, Michael. (2017). Cross-Lagged Panel Analysis. 所以不论自己写的怎么样都建议大家去瞅瞅原文章哦,原文很短的。 什么是交叉滞后 交叉滞后模型是一种研究变量相互关系的分析方法,它的名字有交叉滞后面板模型Cross-lagged panel models (CLPM),交叉滞后路径模型,交叉滞后回归模型,指的都是同一个东西。 为啥叫”交叉“? 因为它同时既研究A对B的关系,又研究B对A的关系。

Codewar的博客 1万+

文献解读:纵向数据的测量不变性和交叉滞后模型(二)

接着之前的文章文献解读:纵向数据的测量不变性和交叉滞后模型(一) 我们今天继续文献解读,上次说到了我们通过验证性因子分析已经得到我们的数据是符合构形不变性的,我们可以继续检验测量不变性的下一个水平单位等值(Metric invariance)。 单位等值(Metric invariance)设定 上篇文章已经讲了,单位等值这个水平要求测量因子与条目之间的关系——因子负荷(factor loading)是相等的,所以我们需要在之前模型的基础上再将所有不同时间相同因子的载荷设置为一样,代码如下: me

Codewar的博客 5234

R数据分析:交叉滞后模型基础与实例解析

最近问纵向数据分析的同学贼多,像潜增长,GEE,多水平,之前都有写,今天偷空出个简易的交叉滞后教程哈,大家只要遇到像causal models,cross- lagged panel models,linear panel models 和autoregres-sive cross- lagged models 这些,都要反应过来他们都是一个东西,都叫面板模型,统一的数据特点就是把变量纵向测量很多波,然后想探讨变量间的关系,最简单的情形就是两波的时候啦,如下图: 我们看着这个图,可以自然而然地写出

Codewar的博客 1万+

R数据分析:纵向数据如何做中介,交叉滞后中介模型介绍

看似小小的中介,废了我好多脑细胞,这个东西真的不简单,从7月份有人问我,我多重中介,到现在的纵向数据中介,从一般的回归做法,到结构方程框架下的路径分析法,到反事实框架做法,从中介变量和因变量到是连续变量到中介变量和因变量是分类变量,很浩渺的系统知识,今天开始一点一点给大家写。 今天就和大家一起探讨纵向数据的中介效应检验,一般来讲考虑因果关系的时间先后顺序,纵向数据才是探讨中介的理想数据形式: In practice, it is strongly recommended to establish me

Codewar的博客 1万+

Statistical-Supplementary-Materials:贝叶斯交叉滞后多层模型的Mplus代码

统计补充材料 我已发表和正在进行的工作的统计补充材料代码。

Aurix TC3XX Cache memory分析

Aurix Cache memory 分析

qwe0405080615的博客 4338

手把手教你玩转CPU微架构专栏--​​​​第二章:流水线——微架构的“效率引擎”​​​​2.4 超标量与超线程:如何突破“单指令流”的限制?

例如,Intel酷睿i5-13600K拥有6个性能核(P核,支持超线程,共12线程)和8个能效核(E核,无超线程,共8线程),兼顾多线程性能与能效比。通过引入“物理寄存器”替代“逻辑寄存器”(如x86的RAX、RBX),消除数据冒险中的“假依赖”(False Dependency)。引入“混合架构”(Performance Core+Efficient Core),大核(P核)专注高性能任务,小核(E核)处理后台任务;​:6发射超标量,IPC≈3.5(通过3D V-Cache优化缓存,进一步提升效率)。

xiaoheshang_123的博客 949

STM32:TTL串口调试

TTL只需要两个线就可以完成两个设备之间的双向通信,一个发送电平的I/O称之为TX,与另一个设备的接收I/O口RX相互连接。两设备之间还需要连接地线(GND),这样两设备就有相同的0V参考电势。

superSmart_Dong的博客 5625

写给小白的“具身智能”入门科普

智能”,大家都懂,也就是AI。那么,什么是“具身”?“具身”是一个很小众的名词,通常都出现在哲学、认知科学领域。它的英文叫Embodied,是embody的过去式和过去分词。em-表示“进入,使……”,-body表示“身体”。组合起来,就是“使……进入身体”。Embodied Intelligence(具身智能),顾名思义,就是“使智能进入身体”、“给智能一个身体”的意思。那么,具身智能,是不是就是“AI+身体”呢?这样说并不准确。

欢迎来到我的博客 1808

【从零开始学习 UVM】1.1、UVM 概述 —— Preface

【从零开始学习 UVM】1.1、UVM 概述 —— Preface

努力,加油每一天鸭~ 818

《C/C++等级考试(1~8级)历届真题解析》专栏总目录

中国电子学会《全国青少年软件编程等级考试》C/C++编程(1~8级)历届真题解析。订阅后可阅读专栏内所有真题解析,真题持续更新中!

人生就是一个不断学习的过程 2万+

获取抖音中x-secsdk-csrf-token的方法

获取抖音中x-secsdk-csrf-token的方法

sh_moranliunian的博客 2004

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

上一篇: Mplus—随机截距交叉滞后模型(Random Intercepts Cross-Lagged Panel Model, RI-CLPM)
下一篇: Mplus—纵向不变性/纵向等值

双11狂欢大促

盲盒赢 定制羽绒服

开启惊喜盲盒,抽取你的专属好礼

— 惊喜奖品抢先看 —
Kunle~
博客等级 码龄6年 306粉丝 34原创
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值