非正态数据是研究中最常见的情况之一,国内相关研究很少有报告数据分布形态信息的。目前处理非正态的方法有多种(详细方法见: https://bbs.pinggu.org/forum.php?mod=viewthread&tid=437203&page=1&from^^uid=286650),备受初学者中意的AMOS在处理非正态数据时束手无策。
Mplus的优势主要在于以下3个方面:
第一,提供稳健估计。
WLSMV估计是专门为了处理类别变量设计的(Muthén, 1993),所以在处理类别数据时表现优于其他估计方法(Beauducel & Herzberg, 2006; Flora & Patrick, 2004; Finney & DiStefano, 2006)。Flora和Patrick(2004)的模拟研究比较了WLSMV和WLS处理非正态类别数据时的表现,结果发现WLS仅在简单模型、大样本时(n > 1000)表现尚可,在其他条件下表现均不理想(不精确的参数估计、检验统计量和标准误),而WLSMV在所有条件下(偏态和小样本n=100)均能获得不错的参数估计结果。
第二,提供Bootstrap再抽样法。
第三,校正统计量。
LISERL和EQS提供Satorra和Bentler(1994)校正统计量,LISERL也可以计算Bootstrap统计量,但不提供稳健估计法,而Mplus提供上述3种方法。