MPLUS結構方程模型應用

MPLUS結構方程模型應用

probit模型和logistic模型的結果在很多情況下非常想近，但是從output上比較發現，logistic回歸會報告OR值，但是probit模型只會報告回歸系數。而兩者最大的區別在與logistic回歸采用最大似然估計(ML)。而probit回歸采用穩健加權最小二乘法(WLSM)(默認的方法)。

工具/原料

mplus7方法/步驟

1、TITLE: this is an example of a probit regression

for a binary or categorical observed

dependent variable with two covariates

DATA: FILE IS ex3.4.dat;

VARIABLE: NAMES ARE u1-u6 x1-x4;

USEVARIABLES ARE u1 x1 x3;

CATEGORICAL = u1;

!這里假如加上了analysis： estimator=ml就變成了邏輯回歸

MODEL: u1 ON x1 x3;

2、運行結果，截取最重要的部分見下圖

3、圖中可以看出對于probit模型來說，他與logistic最大的區別在于，probit沒有OR值，但是有R square。然后我們可以參照上一篇內容對兩者的結果進行對比，可以發現兩者的回歸系數基本相同。出入不大。原作者：delta數據工作室MPLUS結構方程模型應用

【MPLUS結構方程模型應用】相關文章：

函數模型及其應用的評課稿04-29

函數模型及其應用評課稿06-02

制作模型作文08-06

模型制作作文08-10

一元一次方程組的應用評課稿06-01

制作飛機模型作文08-13

（通用）模型制作作文08-22

模型制作實訓報告12-01

模型設計崗位職責03-18

【精選】模型制作作文三篇04-28