从LISREL到MPLUS的困惑

zhouluyang

KENNY:

      遵照您的建议，我学习MPLUS有一段时间了。我也深深感受到了MPLUS的强大。但一个问题，让我非常困惑。

      同一个数据，同一个模型，同样的估计方法（ML），在LISREL中，CFI与TLI都达到了0.94；而在MPLUS中，CFI与TLI值只有0.88左右。

      这一现象，如何解释？

   我现在倾向于使用MPLUS，但CFI与TLI未到达0.90，我该如何办？

Kenneth

0.94 与 0.88 相差太远了。 应该是有些错误。LISREL 常常会自动为我们加入一些假设的。你要看output，找找它们估计了什么，没有估计了什么？
不过，我听学生学，很多情形是MPLUS一般结果会好，因为它自动的把所有的missing data估计出来，不会散掉数据。

zhouluyang

Kenneth 发表于 2012-8-16 08:55
0.94 与 0.88 相差太远了。 应该是有些错误。LISREL 常常会自动为我们加入一些假设的。你要看output，找找 ...

我看网络上，有一种说法是这样，哎，真不知如何判断：
& L8 v: q9 e% p5 }) B3 Z7 m9 m++++++++++++++++++
2 D  R9 ]5 ?3 P8 _# q" tlisrel的算法比较特别。amos 与 mplus 以及 eqs 在计算CFI这些相对拟合指标时，其结果是一样的。

所有差距比较大的指标，都是相对拟合指标。

lisrel的结果，绝对拟合指标，可以用，相对的，不能用。

# ^& L6 I7 ~/ P+ ?% I
对于大多数模型来说，lisrel的结果，高估了相对拟合指标
% h+ I, e! e8 R0 Z) e
/ z6 r7 [! `, G0 d. z' v$ `: k所谓相对拟合指标，是有一个相比较的模型，lisrel所选择的 比较模型，比其它的软件，要更烂，所以它的 相对拟合指标 较好
++++++++++++++++++++++

zhouluyang

Kenneth 发表于 2012-8-16 08:55
! s4 _1 R, s; E% _. @0.94 与 0.88 相差太远了。 应该是有些错误。LISREL 常常会自动为我们加入一些假设的。你要看output，找找 ...

missing data的处理，现在较好的办法是ML与MI法。我个人喜欢用MI法。这个方法，LISREL中也提供，而且相对而言比MPLUS中更方便一些。

  q$ T6 G# k9 x0 q% @7 G4 {- d我的做法是，先在LISREL中，用MI(mulitple imputation)将missing data替换掉。然后用此数据在MPLUS与LISREL中进行比较。这正是我所说的“同一样本、同一数据”的含义。

Kenneth

zhouluyang, 我的理解是 相对与绝对的拟合指数，不是不同的 package 的分别。是用不同的 package都可以选的不同的拟合指数。