我想知道哪个是用于分类数据的更好估计器：ML 或 WLSMV。我在 Mplus 网站上的讨论中看到他们推荐 WLSMV 用于分类数据，但没有解释原因。有谁具体知道为什么 ML 不能正常工作？
最好，我正在寻找比较这两种估计方法的参考，但经过数小时的搜索仍无法找到。
感谢您分享您的知识和经验！
ML 与 WLSMV：哪个更适合分类数据，为什么？
机器算法验证
最大似然
最小二乘
结构方程建模
估计者
2022-03-21 11:32:15
2个回答
在一篇医学研究论文中，Proitsi 等人。（2009）写道：
“WLSMV 是一个稳健的估计器，它不假设正态分布的变量，并为分类或有序数据建模提供了最佳选择（Brown，2006 年）”。
为了您的方便，我在下面的参考列表中包含了引用的参考（我使用 APA 格式）：
布朗，T.（2006 年）。应用研究的验证性因素分析。纽约：吉尔福德。
Proitsi, P., Hamilton, G., Tsolaki, M., Lupton, M., Daniilidou, M., Hollingworth, P., ..., Powell, JF（2009 年，出版中）。痴呆症行为和心理症状的多指标多原因 (MIMIC) 模型 (BPSD)。神经生物学老化。doi:10.1016/j.neurobiolaging.2009.03.005
我希望这对您有所帮助并回答您的问题。
选择一个而不是另一个的最明显原因是您需要的适合指数类型。WLSMV 将为您提供 CFI、TLI 和 RMSEA，这将帮助您评估给定模型的拟合度。如果您需要比较非嵌套模型，则需要 AIC 和/或 BIC，它们不适用于 WLSMV 和分类数据。ML 则相反（同样，仅在处理分类数据时）。
我不确定他们为什么在 Mplus 网站上推荐 WLSMV，但如果您在比较嵌套模型，WLSMV 可能是最方便的，因为它可以让您同时 (1) 评估模型是否提供了对数据的充分拟合 (例如，CFI > .90 和 RMSEA < .5)，以及 (2) 使用 chi2 差异检验来查看在众多竞争模型中哪些模型提供了最佳拟合。
其它你可能感兴趣的问题