【原】纵向RI-CLPM模型及MPLUS实战

前期我们推出大量研究方法，且多以变量的可测量为主，但社会科学研究方法异于自然研究方法的本质在于人，在于情景。既然涉及人，有些变量必然无法直接测量，既然涉及情景，有些情景必然无法与人分离。那么，如何解决这类问题呢？接下来我们将用MPLUS持续带来不可观测变量的研究系列方法。欢迎持续关注。

 

假设我们有纵向重复测量变量睡眠与焦虑，你可能认为焦虑影响睡眠（a），他认为睡眠影响焦虑（b），你进一步认为第一次测得的焦虑会影响第二次测得的焦虑，他进一步认为第一次测得的睡眠会影响第二次测得的睡眠，甚至你们都认为两者可能交叉影响，那么，如何解决这类研究问题呢？

本次纵向RI-CLPM模型及MPLUS实战，通过本期你可以掌握：1 LGM模型基本原理回顾。2 CLPM模型基本原理。2.1 CLPM数学基础。2.2 CLPM前提假设。3 LGM与CLPM扩展为RI-CLPM。3.1 RI-CLPM数学基础。3.2 RI-CLPM前提假设。4 CLPM模型MPLUS实战。4.1 CLPM模型MPLUS软件操作。4.2 CLPM模型MPLUS输出解读。5RI-CLPM模型MPLUS实战。5.1 RI-CLPM模型MPLUS软件操作。5.2 RI-CLPM模型MPLUS输出解读。5.3 RI-CLPM模型MPLUS假设检验。5.3.1 RI-CLPM模型滞后系数检验。5.3.2 RI-CLPM模型交叉系数检验。5.3.3 RI-CLPM模型方程截距检验。6 RI-CLPM模型MPLUS作图修正。

本次专栏将提供详细的.inp程序、数学建模方程及数据，并详细解释命令操作，每个视频10-20分钟不等，VIP小伙伴免费观看。近期各大视频平台均出现图谱小站的盗版视频，对于这些利用盗录或其他非法方式传播图谱小站视频的行为，小站君保留进一步追究法律责任的权力。