MPlus – jak na to?

1. MPlus – jak na to? P. Soukup

2. Obsah úvodu MPlus • Mplus a jiný statistický SW, výhody, nevýhody, přehled technik • Dělení proměnných v Mplus • Grafické prezentace modelů a jejich rovnicová vyjádření • Parametry modelů a jejich odhady, ukázka regrese • Úvod do práce s Mplus • Struktura příkazů Mplus • Příprava dat pro MPlus • Základní modely v Mplus – korelace, lineární regrese, logistická regrese, EFA • Generátor příkazů • Modul pro diagramy

3. 1. Mplus a jiný statistický SW, výhody, nevýhody, přehled technik

4. Stručně o MPlus • Poměrně zvláštní SW • Původně pro strukturní modely (jako alternativa k AMOS, LISREL či EQS) • Postupně rozšiřování palety procedur • Nyní poměrně široké spektrum technik (viz dále) • Specifický (jako např. AMOS) ale částečně všeobecný software (blízké SPSS, R)

5. Materiály a texty I • Mnoho na webu: http://www.statmodel.com – texty, videa, prezentace prof. Muthena a jeho kolegů • Manuál – poměrně technicistní (opět na webu) plus doplňky k novým verzím, cca 800 stran • statmodel forum • Mplus user groups – UK, NL, ČR? • Plus na webech statistiků

6. Materiály a texty II • Existuje cosi jako učebnice MPlus • V některých knihách je MPlus využíván • Asi nej Byrne, B.: SEM in Mplus (obdobně vydala stejnou knihu pro AMOS a LISREL) • dobrá Brown, D.: Confirmatory factor analysis for applied research (hodně o Mplus)

7. MPlus nabízené techniky • Korelace • Regrese lineární i logistická • Explorační faktorová analýza (EFA) • Konfirmační faktorová analýza (CFA) • Úseková analýza (Path analysis) • Obecné strukturní modely (SEM) • Modely růstu s latentními proměnnými (LGA) • Analýza latentních tříd (LCA) • Loglineární modely • Latent trait analysis (LTA) • Víceúrovňové modely (multilevel) • Item response theory (IRT) • Analýza přežití (survival) • Bayesovské přístupy • Simulace Monte Carlo (MC) • Vícenásobná náhrada chybějících hodnot (MI)

8. MPlus moduly • Base - regrese, path analysis, EFA a CFA, SEM, modely růstu • Mixture – zejména modely pro kategoriální proměnné, např. LCA, loglineární modely, LCGA, • Multilevel – víceúrovňové mdoelování regrese, CFA, SEM, LGA • Prodej: Base, Base+Mixture, Base+Multilevel, VŠE

9. MPlus ceny (univerzitní) Poznámka: cena pro studenty USD 200-350

10. MPlus demo • Nyní verze 7.11 • Demo dostupné na http://www.statmodel.com/demo.shtml • Omezení dema na 2 nezávislé a šest závislých proměnných a maximálně dvě úrovně analýzy • Umí ale veškerou paletu nabízených technik • Na rozdíl od plné verze se s demem nedodávají příklady z manuálu (lze stáhnout z webu)

11. Výhody MPlus • mnoho různých modelů EFA, CFA, obecné SEM, ML, LGM, LCA, LTA, • možnost práce se všemi typy proměnných • spousta různých výstupů • mnoho variant odhadovacích technik • malé nároky na techniku • rychlé výpočty • Bayesovské odhady, • pokročilé náhrady chybějících hodnot, simulace vhodné velikosti dat před provedením výzkumu

12. Nevýhody MPlus • specifický syntax (hodně odlišný od jiných SW) ale je „snadný“ • omezený formát vstupních dat • omezené možnosti úpravy dat (potřeba použít též jiný SW) • omezené možnosti diagnostiky (specializace na SEM, díky tomu např. regresní diagnostika chybí) • nelze převzít popisy proměnných a vždy je znovu vytváříme • nejsou popisy kategorií • nelze najednou provádět analýzy více souborů, pouštět více modelů najednou • pouze textový výstup (plus diagram od verze 7)

13. 2. Mplus a dělení proměnných

14. Klasická typologie nestačí • Kardinální, ordinální, nominální • Potřeba dále rozlišit: specifická je zejména cenzorovaná proměnná (příklad) • V MPlus netradičně definujeme jen typ závisle proměnné, u ostatních je to jedno • Spíše než o závisle a nezávisle proměnné hovoříme o endo vs. exogenních proměnných a dále o manifestních a latentních (viz dále)

15. Korelace – dvě manifestní proměnné • Korelace měří sílu a směr vztahu mezi dvěma nebo více manifestními (pozorovanými) proměnnými. • Graficky manifestní proměnné značíme čtvercem nebo obdélníkem • Vzájemnou vazbu mezi proměnnými značí obousměrná šipka (CORRELATED WITH)

16. Exploračnífaktorová analýza – 2 latentní proměnné (+4 man.) • Manifestní proměnné (indikátory) jsou projevem v pozadí působící latentní proměnné (faktor) • Graficky latentní proměnné značíme kružnicí či elipsou • Vazbu faktoru k indikátoru značí jednosměrná šipka (MEASURED BY)

17. Endogenní vs. endogenní proměnná • Exogenní – není určena modelem, není ovlivněna jinou proměnnou z modelu • Endogenní – je aspoň částečně určena modelem, je ovlivněna jinou proměnnou z modelu • Technicky – do endogenní směřuje minimálně 1 šipka

18. Exploračnífaktorová analýza – 2 exogenní proměnné (+4end.) • Faktor je v roli nezávisle (endogenní) proměnné, např. inteligence ovlivňuje výsledek v jednotlivých testech inteligence

19. 3. Grafické prezentace modelů (Mplus i jiný SW) a rovnicová vyjádření

20. Jednoduchá regrese • Jednoduchá regresní analýza se zabývá tím jak jedna proměnná (Y) závisí na druhé (Y) (REGRESSED ON). • Závisle proměnnou nepředvídáme přesně ale s chybou (ε) • Rovnicově: Y=β0+ β1X+ ε E

21. Jednoduchá regrese • Výsledek: odhad neznámých parametrů (β0, β1, plus rozptylu ε) • Odhad β0 – umožňuje popis průměrné úrovně jevu (konstanty), navíc odhad jejich směr. odch. • Odhad β1– umožňuje popis vlivu proměnné X na proměnnou Y (směrnice), navíc odhad jejich směr. odch. • Dále se odhaduje rozptyl ε – ukazuje jak je model přesný (jak moc je Y ovlivněno X), z něj plyne výpočet indexu determinace (R2) 1,3 3,56 E

22. Další výsledky jednoduché regrese • Nebývají zobrazeny graficky (i když směrodatné odchylky někdy bývají v závorkách za odhadem parametru) • Nalezneme ve výstupu procedury, typicky β0, , R2 aj. 1,3 3,56 (0,6) E

23. Exploračnífaktorová analýza – rovnice • Pro každou manifestní proměnnou rovnice (tj. 6 rovnic), dále rovnice pro kovariance (více později) • Složité modely zpravidla více rovnic a grafická prezentace modelu i odhadů parametru je snazší (ale je vždy nutně zjednodušením!!!)

24. 4. Parametry modelů a jejich odhady – ukázka regrese v MPlus

25. PŘÍKLAD MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value COVERT ON C1 1.300 0.091 14.308 0.000 C2 1.250 0.081 15.388 0.000 C3 1.107 0.065 17.129 0.000

26. 5. Úvod do práce s MPlus

27. Co potřebuji pro práci ? • Datový soubor (viz dále) • Syntax (tzv. input file) • Pro každý model potřebuji 1 input file s jiným názvem (nutno je ukládat) • Data mohou být samozřejmě pro různé modely stejná • Upozornění: Když změníme zadání (input file) a tuto změnu neuložíme analýza se provede dle původního zadání

28. Finty a zrady I • Příkazy – poměrně jednoduché (spousta věcí je default), ale zároveň ošemetné (občas je nutno default zrušit) • příkazy nejsou zcela intuitivní, často nahlédnout do do manuálu ale ten není moc user friendly • Generátor příkazů aneb částečná pomoc skrze menu ale neobsahuje model!!! (lze řešit dnes grafickým rozhraním ), funguje jen pro některé modely • Diagrammer – lze nakreslit model a vygenerovat část příkazu, která specifikuje model

29. Finty a zrady II • Data – data musí mít specifický formát a často se je nedaří načíst (detaily dále) • Spojovat data nutno jinde (například pro víceúrovňové modely), MPlus pracuje vždy s jediným souborem • Průzkum dat lépe provést jinde (možnosti MPlus značně omezené - viz dále výstup SAMPSTAT)

30. 6. Struktura příkazů MPlus (Input file)

31. Základní skladba • TITLE • DATA (povinné) • VARIABLE (povinné) • DEFINE • ANALYSIS • MODEL (není povinné, ale nic bez toho nespočítáme)* • OUTPUT • SAVEDATA • PLOT • MONTECARLO * Pokud nás zajímá jen základní popis dat, pak MODEL vynecháme

32. Postup výkladu vysvětlíme • TITLE • DATA (povinné) • VARIABLE (povinné) • DEFINE • ANALYSIS • MODEL (není povinné, ale nic bez toho nespočítáme)* • OUTPUT • SAVEDATA • PLOT • MONTECARLO Ukážeme u příkladů

33. TITLE • Vhodné si napsat, co v analýze provádím, například regresní analýza závislosti příjmu na vzdělání, pohlaví a počtu let praxe Fráze bude vypadat: TITLE: regresní analýza závislosti příjmu na vzdělání, pohlaví a počtu let praxe • Obecně platí, že se píše klíčové slovo (zde TITLE), za něj dvojtečka a pak další věci (případně další klíčová slova, viz například dále u dat)

34. TITLE • Pozor: Části příkazu končí středníkem, výjimka je TITLE, kde středník na konci být nemusí • Využití popisu analýzy: popis analýzy (TITLE) se objeví ve výstupu zcela nahoře • Tip: Když chci si do příkazu udělat poznámky, tak napíši vykřičník a poté píši poznámku (v SPSS se analogicky užívá * a poté na konci tečka), až do konce (ke středníku) to program ignoruje)

35. DATA • Vždy musím uvést s jakými daty pracuji • Tip: Není nutné specifikovat cestu k datům, když jsou ve stejném adresáři jako input file • Data mohou mít různou podobu: individuální, korelační matice, kovarianční matice (exkurz o kovarianční a korelační matici – aneb základ pro modely, více později) • Upozornění: Pokud mám data ve formě korelační či kovarianční matice musím v příkazu dále specifikovat počet pozorování (NOBS ARE...viz dále) • Ukázky různých dat (3 soubory – individuální data, korelační matice a kovarianční matice)

36. DATA • Data mohou mít dvojí formátování (free nebo fixed), default je free (tj. za každým údajem je mezera) • Pokud máme pevně daný formát (fixed) musíme specifikovat (viz ukázka dále) • Doporučení: mít free formát, je to jednodušší • Vždy ale používáme data v čistě textovém formátu MPlus nečte data z SPSS, Stata apod. (pro převod lze užít SPSS, StataConvertor, Excel apod.)

37. DATA • Základní fráze bude vypadat: DATA: FILE IS “C:/reg.dat”; • Upozornění: Nemohu tedy načítat více datových souborů najednou • Tip: lze dělat analýzy za podskupiny (viz dále sekce VARIABLES, fráze GROUPING) • Pro data, která nejsou individuální nutno připsat: TYPE ISCOVARIANCE !toto je pro kovarian. matici; TYPE IS CORRELATION !toto je pro korel. matici; • Plus specifikovat počet pozorování: NOBSERVATIONS ARE XXX;

38. VARIABLE • Zde musíme popsat technickým názvem všechny proměnné, které jsou v souboru na který odkazuje příkaz DATA • Doporučení: Nedávat do Mplus všechny proměnné, ale jen ty se kterými chci pracovat (šetřím čas i místo na disku) • Tip: Pro rychlý výčet proměnných lze užít symbol pomlčky “-“ např. A1-A6 a automaticky se vytvoří sada A1 A2 ...A6 • Základní fráze bude vypadat např.: VARIABLE: NAMES ARE X1 X2 X3;

39. VARIABLE • Když chceme pracovat jen s podskupinou proměnných z dat musíme navíc přidat: USEVARIABLES ARE x1 x2; • Dále je třeba často specifikovat chybějící hodnoty a proměnné, které mají jiný charakter než spojité (týká se jen endogenních) • Fráze jsou tyto: MISSING ARE x1 (9) x2 (99); • Pro ordinální či dichotomické endogenní: CATEGORICAL ARE x3;

40. VARIABLE • Pro nominálníendogenní: NOMINAL ARE x3; • Pro cenzorovaná data: CENSORED ARE X3; • Pro data sřídkýmvýskytem (Pois. rozdělená): COUNT ARE ARE X3; • Pokud chci dělat analýzu poskupináchnutnopřidatfrázivčetněpopisuskupin: GROUPING IS X3 (1=kluci 2=holky);

41. VARIABLE • Tip: výčet proměnných lze opět udat skrze pomlčku, pokud chci něco provést pro všechny proměnné užiji místo výčtu slovo ALL • Lze pracovat též s částí souboru, např. jen s kluky: SUBPOPULATION IS X3=1; • Data lze samozřejmě použít s vahou, např.: WEIGHT IS TOTWGST; • Poznámka: Obdobně lze požadovat váhy na 2. či 3. úrovni u víceúrovňových dat

42. Další části příkazů • ANALYSIS, MODEL a OUTPUT budou vysvětlovány u jednotlivých analýz • ostatní budou vynechány (DEFINE, SAVEDATA, PLOT, MONTECARLO)

43. Obecná pravidla příkazů • Každé klíčové slovo musí začít na novém řádku • Části příkazu odděluje vždy středník (výjimka u TITLE) • MPlus čte jen do 90. sloupce,cokoli za ním ignoruje • Malá a velká písmena se nerozlišují ani v názvech proměnných • Klíčová slova lze zkrátit až na 4 písmena • Klíčová slova IS, ARE, plus symbol = jsou záměnné (neplatí v DEFINE, MODEL CONSTRAINT, a MODEL) • Seznam proměnných lze udat s mezerami, nebo oddělujeme čárkou • Poznámka: detailní struktura příkazů je v manuálu (kap. 20)

44. Jednoduchá práce s input file • Ctrl+S - uloží input file • Ctrl+A - vyberevše v Input file • Alt+R - spustí výpočet

45. 7. Příprava dat pro MPlus

46. Příprava dat • U korelačních či kovariančních dat zpravidla připravíme tak, že korelační či kovarianční matici vepíšeme do textového souboru, případně zkopírujeme (například z výstupu SPSS) a upravíme tak, aby vždy mezi dvěmi hodnotami byla jedna mezera (standard je dolní trojůhelník kov. či kor. matice) • U individuálních dat musíme připravit soubor tak, aby: • obsahoval pouze data (zapomenout na označení proměnných) • prostý ASCII soubor s koncovkou *.dat • neměl chybějící data ve formě mezer (nutno čísla nebo specifické symboly) • Pro oddělení údajů používal mezeru nebo tabulátor

47. Postup v SPSS • 1. Nutno zjistit, zda jsou chybějící hodnoty (uživatelské či systémové) a ty všechny rekodovat na jednu hodnotu (např. 999): recode a1 (mis=999) (else=copy). • 2. Kontrola, že mám všude hodnoty, které nejsou systém missing (např. FRE ALL) • 3. Uložení dat (lze vybrat proměnné k uložení, před tím lze případně vybrat případy pro uložení SEL IF) • 4. Ukládáme jako TabDelimited (*.dat) ideálně do adresáře, kde budeme ukládat práci v MPlus (pak nemusíme specifikovat cesty k souboru – viz výše)

48. Ukázka v SPSS • Data ISSP1999 • Převod do MPlus (proměnné věk, vzdělání, pohlaví a příjem – B7, B9, B48, B41A) • Kontrola výsledného souboru otevřením v prohlížeči • Později kontrola spuštěním analýz v MPlus – srovnání popisné statistiky v MPlus a SPSS (zejména počet případů a hodnoty průměrů či četností) • Úkol na procvičení – samostatný převod do MPlus proměnné A47a-c, A47f-g

49. 8. Základní modely v MPlus

50. Probírané příklady • Regrese lineární jednoduchá • Regrese lineární vícenásobná • Regrese logistická vícenásobná