Mplus 4. 잠재성장모형

1. 잠재성장모형 명령문

​

잠재성장모형도 살펴볼께요.

​

먼저 데이터부터 합쳐야겠군요.

​

R에서 한 것과 마찬가지로

​

데이터는 KCYP2018 1-3차년도 사용합니다.

​

간단하게(?) 시간에 따른 중학생의 우울이 어떻게 변화하는지,

​

우울에 어떤 변인이 영향을 주고 있는지 살펴볼까 합니다.

​

일단 spss로 자료를 합치기 위한 준비를 하고

​

​

​

데이터-파일합치기-변수추가로 세 가지 파일을 하나로 합쳐줍니다.

​

기준변수로 HID, PID를 모두 사용합니다.

​

​

그래서 우울변수가 하나로 다 몰리게 한 다음에

​

dat파일로 저장해줍니다.

​

저장 전에 너비와 소수점 모두 통일해줍니다.

​

​

파일이 잘 합쳐졌다면..

​

​

data: file = growth.dat;

format = 7F12.2;

​

variable:

names = HID PID gender helpless1 sad1 sad2 sad3;

usevariables = gender helpless1 sad1 sad2 sad3;

​

Model:

​

i by sad1@1 sad2@1 sad3@1;

s by sad1@0 sad2@1 sad3@2;

[sad1@0 sad2@0 sad3@0];

[i s];

​

i on gender helpless1;

s on gender helpless1;

​

output: standardized;

​

여기서 포인트는

​

i : 초기수준 설정

s: 변화수준 설정

으로 정리해주고,

​

초기수준이니까 @1로 동일하게 고정해주고

​

변화수준은 @0 @1 @2 로 고정해줍니다.

​

그리고

​

초기값과 변화값에 성별과 학업무기력이 영향을 주는 것으로 설정을 해주고 돌리면 되겠습니다.

i on x1 x2

s on x1 x2

​

2. 결과 확인

​

​

모형 적합도 확인해주시고

(R에서 돌렸을 때는 -값 나오던 CFI, TLI..신기하네..)

​

​

비표준화값 확인 해주면 되겠습니다.

​

우울의 초기수준, 변화수준은 통계적으로 유의미하게 나왔습니다.

(.862 / .227)

​

성별은 변화율에 통계적으로 유의미한 영향을 주지 않는 것으로 나타났고,

​

초기수준과 변화율의 상관도 통계적으로 유의미하지 않게 나왔습니다.

​

잔차 분산은 모두 통계적으로 유의하게 나와서,

​

개인차가 존재하는 것으로 보면 될 것 같습니다.

https://gaenodapeagles.tistory.com/22

교육통계 R랑가몰라 9. 구조방정식(SEM) 4) 잠재성장모형

(계수에 대한 자세한 설명은 여기를 참조해주세요..ㅎ)

 

마지막으로 여기 그림도 살펴보면,

​

깔끔..(?)