点击上方“蓝字”关注我们
Mplus 9.1版本现已推出。Mplus 9.1版本不仅修正了自2025年10月发布9.0版本以来发现的一些小问题，还增加了以下新功能
本文介绍了探索性因子分析（EFA）的两种新方法。二阶探索性因子分析（SEFA）允许将一阶EFA与二阶因子相结合。直接效应二阶探索性因子分析（DSEFA）提供了比现有方法更好的双因子分析。这些新方法在Asparouhov和Muthén（2026a）以及Muthén和Asparouhov（2026）的著作中有所描述。
ESEM的新输出格式，与TYPE=EFA中一样，可同时显示EFA因子。
使用DSEM2、RDSEM2和DSEM3（Asparouhov，2026）对短时间序列（小样本群组）进行改进估计。
DSEM3中添加的随机残差方差和协方差（Asparouhov & Muthén, 2026b）。
DSEM3中第二层非随机效应的自动回归模型（Asparouhov & Muthén, 2026b）。
DSEM3中两个层次的同时更新算法（Asparouhov & Muthén，2026b）。
在用于测量一致性测试的MODEL选项中添加了MODEL设置，以请求正在测试的测量一致性模型的MODEL命令。
探索性因子分析新增旋转方法
ANALYSIS命令的ROTATION选项中新增了两个ESEM模型设置。这两个设置均使用Geomin先验分布。新方法在Asparouhov & Muthén (2026a)和Muthén & Asparouhov (2026)中有详细描述。ROTATION选项在Mplus用户指南的第678-682页中有详细说明，该指南可在网站上获取。
SEFA（探索性因子分析）设置允许将一阶EFA（探索性因子分析）与二阶因子相结合。SEFA设置的ROTATION（旋转）选项指定如下：
ROTATION = SEFA；
SEFA设置可以有两个参数。第一个参数称为v，代表Geomin先验方差，其默认值为0.1。第二个参数称为epsilon，用于控制惩罚平滑度，其默认值为0.01。若要更改默认值，请指定
ROTATION = SEFA（.2 .001）
其中v为0.2，ε为0.001。参数v可以指定，也可以不指定参数ε。
DSEFA（直接效应二阶探索性因子分析）设置适用于直接效应二阶探索性因子分析，它提供的双因子探索性因子分析结果优于当前方法。DSEFA设置的ROTATION（旋转）选项指定如下：
ROTATION = DSEFA；
DSEFA设置可以有三个参数。第一个参数称为v，代表Geomin先验方差，默认值为0.1。第二个参数称为v2，代表直接效应的ALF（0 v2）先验方差，默认值为1。第三个参数是ε，用于控制惩罚平滑度，默认值为0.01。若要更改默认值，请指定
ROTATION = SEFA（.2 1.1 .001）；
其中v为0.2，ALF（0 v2）先验方差为1.1，ε为0.001。参数可以指定为v、v v2或v v2 ε。
测量不变性测试的模型选项
ANALYSIS命令中的MODEL选项用于自动测试多组模型和单组纵向模型的测量不变性。该选项在Mplus用户指南网站上提供的Mplus语言附录8.9、8.10和8.11版中有详细描述。MODEL选项中新增了一个名为MODEL的设置。此设置用于请求测量模型的MODEL输入命令
正在评估中。这些MODEL命令是测试部分测量不变性和向测量模型添加结构部分的有用起点。
在MODEL选项中指定的测量模型后的括号内，指定了MODEL设置。以下是如何指定MODEL设置的示例：
MODEL = CONFIGURAL METRIC SCALAR (MODEL)；
其中，测量模型后括号中的MODEL指定，结果输出后，将打印配置模型、度量模型和标量模型的MODEL命令。
Mplus 各版本功能说明
Mplus Base Program Mplus基础程序 |
Mplus Base Program and Mixture Add-On Mplus基础程序和混合组件 |
Mplus Base Program and Multilevel Add-On Mplus基础程序和多水平组件 |
Mplus Base Program and Combination Add-On Mplus基础程序和组合附加组件 |
| Mplus基础程序估计回归，路径分析，探索性和验证性子分析（EFA和CFA），结构方程（SEM），生长，离散和连续时间生存分析模型。在回归和路径分析模型中，观测因变量可以是连续，删失，二元，有序分类（序数），计数，或这些变量类型的组合。另外，对于非中介变量的回归分析和路径分析，观测因变量可以是非有序分类（名义）。在EFA中，因子指标可以是连续，二元，有序分类（序数），或这些变量类型的组合。在CFA，SEM，和生长模型中，观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；间接效应；对于所有输出类型的极大似然估计；标准误和置信区间的自举；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块。 | Mplus基础程序和混合插件包含Mplus基础程序的所有功能。 以及：估计回归混合模型，路径分析混合模型；潜在类别分析；带有多个分类潜在变量的潜在类别分析；对数线性模型；有限混合模型；Complier Average Causal Effect (CACE) 模型；潜在类别生长分析；潜在转移分析，隐马尔科夫模型；以及离散和连续时间生存混合分析。观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；间接效应；对于所有输出类型的极大似然估计；标准误和置信区间的自举；带有随机开始的自动起始值；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块 |
Mplus基础程序和多水平插件包含了Mplus基础程序的所有功能。 以及：使用多水平模型估计聚类数据模型。这些模型包括多水平回归分析，多水平路径分析，多水平因子分析，多水平结构方程建模，多水平生长建模，和多水平离散和连续时间生存模型。在多水平分析中，观测因变量可以是连续，删失，二元，有序分类（序数），非有序分类（名义），计数，或这些变量类型的组合。其它特别的功能包括单个或多个组分析；缺失数据估计；复杂调查数据分析，包括分层，聚类。和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；对于所有输出类型的极大似然估计；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块。 |
Mplus基础程序和组合插件包含Mplus基础程序、混合和多水平插件的所有功能。 以及：处理聚类数据和潜在类别在同一个模型中的情况，例如，二水平回归混合分析，二水平混合验证性因子分析（CFA），和结构方程建模(SEM）,二水平潜在类别分析，多水平生长混合建模，二水平离散和连续时间生存混合分析。其它特别的功能包括缺失数据估计；复杂调查数据分析，包括分层，聚类，和不等选择概率（抽样权重）；潜在变量交互和使用极大似然的非线性因子分析；随机斜率；单时变观测值；非线性参数约束；对于所有输出类型的极大似然估计；贝叶斯分析和多重插补；蒙特卡洛模拟工具；和一个后处理图形模块. |
IBM SPSS Statistics V32：AI 遇上高级分析
想要了解更多关于MPLUS的功能及申请试用版，欢迎点击下方蓝色“阅读原文”。