结构方程模型 学习总结 2.4 非正态或截尾数据的CFA 3

在社会科学研究中，截尾数据的出现较为常见，如试卷难度不足导致的天花板效应，以及昂贵耐用品购买的地板效应等。这类数据通常表现为分布的两端出现堆积现象。截尾数据会导致回归模型产生有偏差的系数估计，因此需要采用托比回归模型（TOBIT regression model）来处理。Mplus软件支持TOBIT模型的计算，同时提供制图功能帮助用户识别数据中的截尾做型现象。通过PLOT命令，用户可以生成绘图来直观判断数据是否被截尾。操作步骤包括在Mplus中使用绘图生成器创建观察变者胡卖量的绘图，然后通过“plot”菜单下的功能查看和导出这些绘图。例如，用户可以右键单击屏幕上的绘图，选择“export plot to”来保存文件。在执行结构方程模型（CFA）时，若特定指标如x1和x7被标记为下端截尾，则需要在模型代码中进行相应处理。然而，使用当前版本的Mplus时，应注意模型估计可能较为耗时，且软件仅提供对数似然值、信息标准等信息，而缺少如CFI、TLI、RMSEA、SRMR等模型拟合指数。首逗这限制了评估模型效果的全面性。