才用mplus进行线性回归可能对于习惯于spss的人来讲是有点多余，但是mplus处理线性回归才用的是极大似然估计（maximum likelihood).而我们通常意义上在spss中才用的是最小二乘法。工具/原料moremplus 7mplus user guide中3.1输入文件和数据方法/步骤1/4分步阅读

TITLE: this is an example of a linear regression for a continuous observed dependent variable with two covariates

！因变量为连续变量，协变量的数据类型不做要求

DATA: FILE IS ex3.1.dat;

VARIABLE: NAMES ARE y1-y6 x1-x4;

！数据中的变量有10个，分别命名为y1-y6,x1-x4

USEVARIABLES ARE y1 x1 x3;

本分析中只用到y1 x1 x3

MODEL: y1 ON x1 x3;

On表示回归关系，前面的是结果变量，后面的是预测变量

！分析默认才用的是最大似然估计

假如需要知道标准化估计的结果，也就是我们通常说的标准化回归系数，那么需要加上

output: standardized(all);

2/4

我们来看分析结果，分析结果分为几大块，基本上默认的输出囊括了我们需要了解的信息,包括，SUMMARY OF ANALYSIS

MODEL FIT INFORMATION

MODEL RESULTS

STANDARDIZED MODEL RESULTS

3/4

SUMMARY OF ANALYSIS包括关于分析所使用方法以及数据总括情况，MODEL FIT INFORMATION的信息在回归信息中我们大可以将其忽略，因为各项指标都是最优化的。

4/4

我们主要看的是下面的MODEL RESULTS，和STANDARDIZED MODEL RESULTS，前者输出一般回归系数，后者输出标准化的回归系数以及R2。由下图可以看出回归系数的标准化和非标准化结果以及截距和残差的估计值。需要注意的是stdxy采用的是自变量和因变量都进行标准化的结果，而stdy是对因变量进行标准化的结果。std采用的是连续潜变量方差的标准化结果。那么回归分析中我们看标准化主要是看stdxy的结果。然后r2的结果也在output中呈现了。

mplus方程