目录

显变量模型语法

潜变量模型语法

中介效应检验

Mplus语句

结果解读

1. 模型拟合

2. 路径系数及显著性

3. 中介效应值及显著性

其他（随时补充）

作为一名心理学专业研究生，经常探讨心理机制问题，这就离不开中介模型。为大家介绍最常用的三种模型，以及其显变量、潜变量模型在Mplus中的语法。在这里先介绍简单中介模型。

最简单的中介模型，如下图所示，涉及到一个自变量X、一个中介变量M、一个因变量Y，我们想要知道X是否通过M进而对Y产生影响，或者说M是否中介了X对Y的影响。

以上图为例，显变量模型语法为：

TITLE: MEDIATION MODEL;

DATA: FILE IS 12.dat; ! 数据来源

VARIABLE: NAME ARE X M Y; ! 变量名称

                   MISSING=ALL(99); ! 定义缺失值

                   USEVARIABLE ARE X M Y; ! 使用的变量

ANALYSIS: ESTIMATOR=MLR; ! 估计方法，根据自己的数据特点，可选择其他方法，例如ML

MODEL: Y M ON X; ! X指向M、Y的路径 Y ON M; ! M指向Y的路径

OUTPUT: SAMPSTAT STDYX MOD CINTERVAL; ! 输出样本统计量、标准化值、修正系数、置信区间

以上图为例，潜变量模型语法为：

TITLE: MEDIATION MODEL;

DATA: FILE IS 12.dat; ! 数据来源

VARIABLE: NAME ARE X1-X4 M1-M4 Y1-Y4; ! 变量名称

                   MISSING=ALL(99); ! 定义缺失值

                   USEVARIABLE ARE X1-X4 M1-M4 Y1-Y4; ! 使用的变量

ANALYSIS: ESTIMATOR=MLR; ! 估计方法，根据自己的数据特点，可选择其他方法，例如ML

MODEL: A BY X1-X4;

              B BY M1-M4;

              C BY Y1-Y4; ! 通过BY，创建三个潜变量

              C B ON A; ! A指向B、C的路径

              C ON B; ! B指向C的路径

OUTPUT: SAMPSTAT STDYX MOD CINTERVAL; ! 输出样本统计量、标准化值、修正系数、置信区间

以显变量模型为例，采用Bootstrap进行中介效应检验的语法为：

潜变量模型同理，在ANALYSIS中采用BOOTSTRAP法，通过MODEL INDIRECT写出要检验的中介路径。

TITLE: MEDIATION MODEL;

DATA: FILE IS 12.dat; ! 数据来源

VARIABLE: NAME ARE X M Y; ! 变量名称

                   MISSING=ALL(99); ! 定义缺失值

                   USEVARIABLE ARE X M Y; ! 使用的变量

ANALYSIS: BOOTSTRAP=2000; ! 采用Bootstrap法进行中介效应检验，抽样次数1000/2000/5000，有文献依据即可

MODEL: Y M ON X; ! X指向M、Y的路径

               Y ON M; ! M指向Y的路径

MODEL INDIRECT: Y IND M X; ! X—>M—>Y

OUTPUT: SAMPSTAT STDYX MOD CINTERVAL; ! 输出样本统计量、标准化值、修正系数、置信区间

以显变量模型为例，关注三方面的结果：

显变量模型为饱和模型，无需看模型拟合。

潜变量模型可根据文献选取模型拟合指标及标准，对模型的拟合情况进行判断。

显变量模型非标准化结果与标准化结果

由下图可知：显变量模型中，X、M到Y的路径显著，X到M的路径显著

由下图可知，中介效应显著。

潜变量指标太多的话，可以通过项目打包的方式，简化模型和提高模型的拟合度。

Bootstrap和MLR估计方法不能同时使用。

希望上述介绍可以帮助到你！也欢迎大家在评论区多多交流分享。

你的关注/点赞 /收藏★/分享，是最大的支持！