многоуровневое посредничество 2-1-1 в Mplus
Генерация данных моделирования была сделана мной. Мой набор данных находится в порядке переменных Y, M, X и id, когда размер уровня 1 равен 5, а размер уровня 2 равен 50. Я хочу закодировать методы остаточной начальной загрузки параметров (без смещения, с исправлением смещения), Байесовский неинформативный и байесовский информативный для многоуровневого посредничества 2-1-1 со случайным наклоном для получения RMSE, мощности, частоты ошибок типа I, ширины интервала и воздействия интервала соответственно. Однако опция начальной загрузки недоступна для TYPE=TWOLEVEL. Есть ли какой-либо код Mplus для метода параметрической остаточной остаточной начальной загрузки, доступный для TYPE=TWOLEVEL? Я использовал опцию Estimator= Bayes для кодирования байесовской информации. Когда я использовал следующий код Mplus, я смог получить результат, называемый ИНТЕРВАЛЫ ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ МОДЕЛИ, включая оценку.Как я могу интерпретировать следующий вывод? Могу ли я получить от выходных данных среднеквадратичное значение, мощность, частоту ошибок типа I, ширину интервала и влияние интервала? Ширина интервала рассчитывается следующим образом: (верхние 2,5%- нижние 2,5%)? Указывает ли оценка в следующих выходных данных MSE?
DATA: FILE IS C:/Mplus/data_imp_1.dat;
VARIABLE:
NAMES = y m X id;
MISSING=.;
BETWEEN=X;
WITHIN=;
CLUSTER=id;
ANALYSIS:
TYPE=TWOLEVEL RANDOM;
ESTIMATOR= BAYES;
FBITERATIONS = 50000;
MODEL:
%WITHIN%
y ON m*.39 (b_W);
m*0.25; y*0.25;
%BETWEEN%
X*1;
m*0.0132;
y*0.0132;
m on X*.39 (a);
y on m*.39 (b_B);
y on X*.1 (direct);
MODEL PRIORS:
a ~ n (0.41, 0.004);
b_B ~ n (0.71, 0.015);
MODEL CONSTRAINT:
NEW(indirect*.1521);
indirect=a*b_B;
OUTPUT:
CINTERVAL;
OUTPUT: TECH1 TECH8;
plot: type = plot2;
*** WARNING in MODEL command
In the MODEL command, the following variable is a y-variable on the BETWEEN
level and an x-variable on the WITHIN level. This variable will be treated
as a y-variable on both levels: M
1 WARNING(S) FOUND IN THE INPUT INSTRUCTIONS
SUMMARY OF ANALYSIS
Number of groups 1
Number of observations 2000
Number of dependent variables 2
Number of independent variables 1
Number of continuous latent variables 0
Observed dependent variables
Continuous
Y M
Observed independent variables
X
Variables with special functions
Cluster variable ID
Between variables
X
Estimator BAYES
Specifications for Bayesian Estimation
Point estimate MEDIAN
Number of Markov chain Monte Carlo (MCMC) chains 2
Random seed for the first chain 0
Starting value information UNPERTURBED
Treatment of categorical mediator LATENT
Algorithm used for Markov chain Monte Carlo GIBBS(PX1)
Fixed number of iterations 50000
K-th iteration used for thinning 1
Input data file(s)
C:/Mplus/data_imp_1.dat
Input data format FREE
SUMMARY OF DATA
Number of clusters 200
COVARIANCE COVERAGE OF DATA
Minimum covariance coverage value 0.100
Number of missing data patterns 1
PROPORTION OF DATA PRESENT
Covariance Coverage
X Y M
________ ________ ________
X 1.000
Y 1.000 1.000
M 1.000 1.000 1.000
THE MODEL ESTIMATION TERMINATED NORMALLY
USE THE FBITERATIONS OPTION TO INCREASE THE NUMBER OF ITERATIONS BY A FACTOR
OF AT LEAST TWO TO CHECK CONVERGENCE AND THAT THE PSR VALUE DOES NOT INCREASE.
Number of Free Parameters 12
MODEL RESULTS
Posterior One-Tailed 95% C.I.
Estimate S.D. P-Value Lower 2.5% Upper 2.5% Significance
Within Level
Y ON
M 0.661 0.017 0.000 0.627 0.695 *
Variances
M 0.750 0.024 0.000 0.704 0.799 *
Residual Variances
Y 0.430 0.014 0.000 0.404 0.459 *
Between Level
M ON
X 0.052 0.018 0.001 0.017 0.088 *
Y ON
M 0.684 0.120 0.000 0.451 0.922 *
X -0.005 0.016 0.368 -0.036 0.026
Means
X 0.010 0.076 0.450 -0.139 0.158
Intercepts
Y -0.010 0.016 0.259 -0.042 0.020
M -0.016 0.020 0.213 -0.054 0.023
Variances
X 1.133 0.115 0.000 0.937 1.388 *
Residual Variances
Y 0.003 0.003 0.000 0.000 0.011 *
M 0.004 0.004 0.000 0.000 0.016 *
New/Additional Parameters
INDIRECT 0.035 0.014 0.001 0.011 0.066 *
CREDIBILITY INTERVALS OF MODEL RESULTS
Lower .5% Lower 2.5% Lower 5% Estimate Upper 5% Upper 2.5% Upper .5%
Within Level
Y ON
M 0.617 0.627 0.633 0.661 0.689 0.695 0.705
Variances
M 0.690 0.704 0.711 0.750 0.791 0.799 0.815
Residual Variances
Y 0.396 0.404 0.408 0.430 0.454 0.459 0.468
Between Level
M ON
X 0.007 0.017 0.022 0.052 0.083 0.088 0.100
Y ON
M 0.381 0.451 0.489 0.684 0.884 0.922 1.000
X -0.046 -0.036 -0.031 -0.005 0.021 0.026 0.035
Means
X -0.190 -0.139 -0.115 0.010 0.134 0.158 0.205
Intercepts
Y -0.051 -0.042 -0.037 -0.010 0.016 0.020 0.031
M -0.068 -0.054 -0.048 -0.016 0.017 0.023 0.035
Variances
X 0.886 0.937 0.965 1.133 1.342 1.388 1.486
Residual Variances
Y 0.000 0.000 0.000 0.003 0.010 0.011 0.015
M 0.000 0.000 0.000 0.004 0.014 0.016 0.022
New/Additional Parameters
INDIRECT 0.004 0.011 0.014 0.035 0.060 0.066 0.077
TECHNICAL 1 OUTPUT
PARAMETER SPECIFICATION FOR WITHIN
NU
X Y M
________ ________ ________
1 0 0 0
LAMBDA
X Y M
________ ________ ________
X 0 0 0
Y 0 0 0
M 0 0 0
THETA
X Y M
________ ________ ________
X 0
Y 0 0
M 0 0 0
ALPHA
X Y M
________ ________ ________
1 0 0 0
BETA
X Y M
________ ________ ________
X 0 0 0
Y 0 0 1
M 0 0 0
PSI
X Y M
________ ________ ________
X 0
Y 0 2
M 0 0 3
PARAMETER SPECIFICATION FOR BETWEEN
NU
X Y M
________ ________ ________
1 0 0 0
LAMBDA
X Y M
________ ________ ________
X 0 0 0
Y 0 0 0
M 0 0 0
THETA
X Y M
________ ________ ________
X 0
Y 0 0
M 0 0 0
ALPHA
X Y M
________ ________ ________
1 4 5 6
BETA
X Y M
________ ________ ________
X 0 0 0
Y 7 0 8
M 9 0 0
PSI
X Y M
________ ________ ________
X 10
Y 0 11
M 0 0 12
PARAMETER SPECIFICATION FOR THE ADDITIONAL PARAMETERS
NEW/ADDITIONAL PARAMETERS
INDIRECT
________
1 13
STARTING VALUES FOR WITHIN
NU
X Y M
________ ________ ________
1 0.000 0.000 0.000
LAMBDA
X Y M
________ ________ ________
X 1.000 0.000 0.000
Y 0.000 1.000 0.000
M 0.000 0.000 1.000
THETA
X Y M
________ ________ ________
X 0.000
Y 0.000 0.000
M 0.000 0.000 0.000
ALPHA
X Y M
________ ________ ________
1 0.000 0.000 0.000
BETA
X Y M
________ ________ ________
X 0.000 0.000 0.000
Y 0.000 0.000 0.390
M 0.000 0.000 0.000
PSI
X Y M
________ ________ ________
X 0.000
Y 0.000 0.250
M 0.000 0.000 0.250
STARTING VALUES FOR BETWEEN
NU
X Y M
________ ________ ________
1 0.000 0.000 0.000
LAMBDA
X Y M
________ ________ ________
X 1.000 0.000 0.000
Y 0.000 1.000 0.000
M 0.000 0.000 1.000
THETA
X Y M
________ ________ ________
X 0.000
Y 0.000 0.000
M 0.000 0.000 0.000
ALPHA
X Y M
________ ________ ________
1 0.010 -0.021 -0.016
BETA
X Y M
________ ________ ________
X 0.000 0.000 0.000
Y 0.100 0.000 0.390
M 0.390 0.000 0.000
PSI
X Y M
________ ________ ________
X 1.000
Y 0.000 0.013
M 0.000 0.000 0.013
STARTING VALUES FOR THE ADDITIONAL PARAMETERS
NEW/ADDITIONAL PARAMETERS
INDIRECT
________
1 0.152
PRIORS FOR ALL PARAMETERS PRIOR MEAN PRIOR VARIANCE PRIOR STD. DEV.
Parameter 1~N(0.000,infinity) 0.0000 infinity infinity
Parameter 2~IG(-1.000,0.000) infinity infinity infinity
Parameter 3~IG(-1.000,0.000) infinity infinity infinity
Parameter 4~N(0.000,infinity) 0.0000 infinity infinity
Parameter 5~N(0.000,infinity) 0.0000 infinity infinity
Parameter 6~N(0.000,infinity) 0.0000 infinity infinity
Parameter 7~N(0.000,infinity) 0.0000 infinity infinity
Parameter 8~N(0.710,0.015) 0.7100 0.0150 0.1225
Parameter 9~N(0.410,0.004) 0.4100 0.0040 0.0632
Parameter 10~IG(-1.000,0.000) infinity infinity infinity
Parameter 11~IG(-1.000,0.000) infinity infinity infinity
Parameter 12~IG(-1.000,0.000) infinity infinity infinity
TECHNICAL 8 OUTPUT
Kolmogorov-Smirnov comparing posterior distributions across chains 1 and 2 using 100 draws.
Parameter KS Statistic P-value
Parameter 10 0.1000 0.6766
Parameter 4 0.0700 0.9610
Parameter 8 0.0600 0.9921
Parameter 13 0.0100 1.0000
Parameter 9 0.0100 1.0000
Parameter 5 0.0100 1.0000
Parameter 3 0.0100 1.0000
Parameter 6 0.0100 1.0000
Parameter 1 0.0000 1.0000
Parameter 2 0.0000 1.0000
Parameter 11 0.0000 1.0000
Parameter 7 0.0000 1.0000
Parameter 12 0.0000 1.0000
Simulated prior distributions
Parameter Prior Mean Prior Variance Prior Std. Dev.
Parameter 1 Improper Prior
Parameter 2 Improper Prior
Parameter 3 Improper Prior
Parameter 4 Improper Prior
Parameter 5 Improper Prior
Parameter 6 Improper Prior
Parameter 7 Improper Prior
Parameter 8 0.7103 0.0148 0.1215
Parameter 9 0.4101 0.0040 0.0632
Parameter 10 Improper Prior
Parameter 11 Improper Prior
Parameter 12 Improper Prior
Parameter 13 0.2914 0.0047 0.0683
TECHNICAL 8 OUTPUT FOR BAYES ESTIMATION
CHAIN BSEED
1 0
2 285380
POTENTIAL PARAMETER WITH
ITERATION SCALE REDUCTION HIGHEST PSR
100 1.507 5
200 1.225 6
300 1.265 7
400 1.235 7
500 1.048 6
600 1.269 9
700 1.715 9
800 1.457 9
900 1.370 9
1000 1.488 9
1100 1.322 9
1200 1.044 9
1300 1.031 6
1400 1.049 6
1500 1.031 7
1600 1.038 11
1700 1.048 11
1800 1.063 11
1900 1.059 11
2000 1.078 5
2100 1.067 9
2200 1.092 9
2300 1.058 9
2400 1.048 11
2500 1.043 11
2600 1.040 11
2700 1.056 6
2800 1.051 6
2900 1.045 6
3000 1.028 11
3100 1.032 9
3200 1.049 9
3300 1.046 9
3400 1.032 9
3500 1.032 9
3600 1.037 9
3700 1.017 9
3800 1.017 7
3900 1.017 9
4000 1.018 7
4100 1.017 7
4200 1.012 7
4300 1.018 7
4400 1.016 7
4500 1.012 7
4600 1.007 7
4700 1.004 7
4800 1.005 7
4900 1.005 5
5000 1.010 5
5100 1.009 5
5200 1.010 5
5300 1.010 5
5400 1.008 5
5500 1.011 5
5600 1.006 5
5700 1.004 5
5800 1.003 5
5900 1.005 5
6000 1.003 5
6100 1.003 7
6200 1.003 9
6300 1.005 7
6400 1.009 9
6500 1.010 9
6600 1.016 9
6700 1.016 9
6800 1.020 9
6900 1.018 9
7000 1.019 9
7100 1.022 9
7200 1.029 9
7300 1.029 9
7400 1.019 9
7500 1.014 9
7600 1.018 9
7700 1.017 9
7800 1.021 9
7900 1.014 9
8000 1.017 9
8100 1.017 9
8200 1.012 9
8300 1.010 9
8400 1.008 9
8500 1.006 8
8600 1.006 8
8700 1.006 8
8800 1.005 8
8900 1.005 7
9000 1.004 7
9100 1.004 7
9200 1.004 7
9300 1.003 7
9400 1.004 5
9500 1.004 5
9600 1.005 5
9700 1.004 5
9800 1.004 8
9900 1.004 8
10000 1.003 8
10100 1.004 7
10200 1.004 7
10300 1.005 7
10400 1.005 7
10500 1.005 7
10600 1.006 7
10700 1.007 7
10800 1.007 7
10900 1.007 7
11000 1.008 7
11100 1.010 7
11200 1.010 7
11300 1.011 7
11400 1.009 7
11500 1.009 7
11600 1.010 7
11700 1.010 7
11800 1.011 7
...