分析命令涉及的主要是参数估计方法。其表达式为：
Mplus提供的估计方法：
①ML（Maximum Likelihood）极大似然估计，是最常用的参数估计法，也是绝大多数结构方程建模软件默认的参数估计法。当因变量为连续变量时，也是Mplus默认的参数估计法。
②MLM估计。极大似然估计伴标准误和均值校正的卡方检验，此时得到参数为Satorra-Bentler校正统计量。此方法适用于非正态数据，见第5章，第6章及第9章。
③MLMV估计。极大似然估计伴标准误和均值-方差校正卡方检验，用于非正态数据估计。
④稳健极大似然估计（Robust Maximum Likelihood Estimator，MLR），适应于非正态和非独立数据（复杂数据结构，与TYPE＝COMPLEX合用），标准误采用sandwich估计法。MLR卡方检验渐进等价于Yuan-Bentler T2*检验统计量。
⑤MLF极大似然估计伴一阶衍生近似标准误和传统卡方检验。
⑥Muthén有限信息参数估计（Muthén's Limited Information，MUML）。(www.xing528.com)
⑦加权最小二乘法估计（Weighted least square，WLS）。当所有的指标为连续性变量时WLS所得卡方等同于渐进自由分布法ADF。WLS对数据分布形态没有要求，但是需要较大的样本量，如N＞2 500，才能得到稳定的参数估计值。
⑧WLSM加权最小二乘法估计伴均值校正卡方检验。
⑨WLSMV加权最小二乘法估计使用对角加权矩阵伴均值-方差校正卡方检验。该估计法为处理类别数据设计，更深入的介绍见第9章。
⑩非加权最小二乘法（Unweighted Least Squares，ULS）。
⑪ ULSMV非加权最小二乘法使用全部加权矩阵伴均值-方差校正卡方检验。
⑫广义最小二乘法（Generalized Least Square，GLS）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
