Mplus简介及实例应用.docxVIP

Mplus简介及实例应用

3.结果解读要点

Mplus的输出结果包含丰富的信息，解读时应重点关注以下几个方面：

*模型拟合度：常用指标如卡方值（χ2）、比较拟合指数（CFI）、Tucker-Lewis指数（TLI）、均方根误差近似值（RMSEA）和标准化均方根残差（SRMR）。一般而言，CFI和TLI大于0.90（理想为0.95以上），RMSEA小于0.08（理想为0.05以下），SRMR小于0.08，提示模型拟合较好。

*测量模型：即潜变量与其观测指标间的因子载荷。标准化因子载荷的绝对值通常应大于0.5，且达到统计显著性（p0.05），表明观测指标能较好地反映潜变量。

*结构模型：即潜变量之间的路径系数。关注其方向（正或负）、大小（标准化系数的绝对值）及显著性。例如，若“学业自我效能感”到“学习策略”的标准化路径系数为0.60（p0.001），表明学业自我效能感对学习策略有显著的正向预测作用。

*中介效应：在本例中，学习策略的中介效应可通过乘积项（自我效能感→学习策略的系数×学习策略→学习投入的系数）来估计，或通过Mplus的专门语句（如BOOTSTRAP）进行显著性检验。

4.模型修正与迭代

若初始模型拟合不佳，研究者可根据修正指数（ModificationIndices,MI）等信息，在理论框架允许的前提下对模型进行合理修正，如增加误差项