SEM Forests使用指南 Introduction 引言 SEM 的基本流程 SEM 是心理学和教育研究中常用的统计方法，因为它可以同时建立观测变量和潜变量之间的关系，并考虑测量误差。 作者引用 Kline（2023）提出的 SEM 六步流程： 提出基于理论的假设模型，明确潜变量和观测变量之间

使用VSCode集成R与Mplus的使用 很多人写数据分析、跑模型时，会在不同软件之间来回切换：R 写脚本、Mplus 跑模型、再把结果复制来复制去。其实，把它们整合到 VS Code 里，会舒服很多：统一编辑器、统一项目管理、统一运行入口（甚至一键跑 Mplus 输入文件）。这篇文章用最常见的两种

LGCM Chapter 7 Linear LGCM 描述随时间的系统性变化 捕捉个体间差异：初始水平（截距）与变化速度（斜率） 连续观测变量 一般形式 y_{ti} = \beta_{0i} + \beta_{1i} x_{ti} + r_{ti} \quad (7.1) \;r_{i i}=y_

Type I-III 平方和 平方和（Sum of Squares, SS）在统计学中是一个非常核心的概念，主要用于衡量数据相对于某个基准（通常是平均数）的离散程度。 基本定义 在统计学中，我们关心与某个值的差异的平方和。于是就有了： 离均差平方和 (Sum of Squares about the