MPLUS简介及模型分析.pdf

中介中介中介中介、调节模型分析调节模型分析调节模型分析调节模型分析 MPLUS建模建模建模建模 温忠麟温忠麟温忠麟温忠麟吴吴吴吴 艳艳艳艳 华南师范大学心理应用研究中心华南师范大学心理应用研究中心华南师范大学心理应用研究中心华南师范大学心理应用研究中心广东外语外贸大学应用心理系广东外语外贸大学应用心理系广东外语外贸大学应用心理系广东外语外贸大学应用心理系 内容提要内容提要内容提要内容提要 ?MPLUS简介 ?MPLUS常用命令 ?中介模型分析 调节模型分析?调节模型分析 MPLUS 简介 ?MPLUS是一款功能强大的多元统计分析软件，它可 分析以下模型： ?探索性因子分析探索性因子分析探索性因子分析探索性因子分析（EFA） ?验证性因子分析验证性因子分析验证性因子分析验证性因子分析（CFA） ?结构方程模型结构方程模型结构方程模型结构方程模型（Structural equation modeling) (Item response theory analysis)?项目反应理论分析项目反应理论分析项目反应理论分析项目反应理论分析(Item response theory analysis) ?潜类别分析潜类别分析潜类别分析潜类别分析(Latent class analysis) ?潜转换分析潜转换分析潜转换分析潜转换分析(Latent transition analysis) ?增长模型增长模型增长模型增长模型(Growth modeling) ?多水平建模分析多水平建模分析多水平建模分析多水平建模分析(Multilevel analysis) ?混合模型混合模型混合模型混合模型（Mixture modeling） Mplus的分析框架 ?Mplus 软件的前身是Bengt O. Muthn 教授开 发的结构方程建模软件LISCOMP(1988) ?Mplus 的第一版发布于1998 年底，最近一次 升级为2012 年发布的Mplus 7.0 ? ?特色特色特色特色：功能强大、语言简单、价格不菲 一个EFA程序 模型定义完成后，首先保存，然后点击 “RUN” 图标，程序将会进入dos 运行界面 MPLUS常用命令常用命令常用命令常用命令 ?TITLE ?DATA ?DEFINE ?VARIABLE ?ANALYSIS ?MODEL ?OUTPUT ?SAVEDATA ?PLOT ?MONTECARLO （红色的三个为必须命令群） DATA ?只能读取只能读取只能读取只能读取ASCII 格式文件格式文件格式文件格式文件（可用可用可用可用SPSS文件的文件的文件的文件的 “另存为另存为另存为另存为”功能功能功能功能，具体操作步骤为，打开 SPSS 文件FILESAVE DATA对话框选 择保存文件类型，下拉选项中选择“Tab-择保存文件类型，下拉选项中选择“ delimited(*.dat)”格式） ?只能识别数字数字数字数字 ?默认数据文件与分析文档在同一个文件夹同一个文件夹同一个文件夹同一个文件夹，如 果不在同一个文件夹，需要额外指定路径 ?变量数的上限是变量数的上限是变量数的上限是变量数的上限是500，字符的长度是字符的长度是字符的长度是字符的长度是5000 注意事项注意事项注意事项注意事项 ?新命令必须另起一行 ?命令必须以分号（；）结束 ?如果命令一行写不下，可以直接按回车分行 “！”是后面的信息不读入，作为注释?“！”是后面的信息不读入，作为注释 验证性因子分析验证性因子分析验证性因子分析验证性因子分析 ?验证性因子分析(Confirmatory factor analysis, CFA)是结构方程模型的重要组成部分，主要 处理观测指标与潜变量之间的关系，也被称作 测量模型（Measurement Model）。测量模型（Measurement Model）。 ?在CFA中，指标与因子之间的关系是明确的。 例题例题例题例题 ?学习倦怠包含身心耗竭、学业疏离、低成就感 三个维度 MPLUS程序程序程序程序 Title: The structure of burnout !标题。 DATA: file is burnout.dat;!读入原始数据； VARIABLE: Names are district gender grade x1-x14;！变量 USEVARIABLES = x1-x14;！用到的变量； ANALYSIS: ESTIMATOR = ML;！默认的估计方法 MODEL: f1 BY x8-x10; ！因子f1由指标x8-x10测量；MODEL: f1 BY x8 x10; ！因子f1由指标x8 x10测量； f2 BY x11 x12 x13 x14; f3 BY x1-x7; OUTPUT: STANDARDIZED; ！输出标准化估计； MODINDICES; !要求Mplus报告修正指数； !上述模型有如下设置为程序默认：为了模型识别，每个因子的第一个题目 的负荷默认为1；三个因子之间彼此相关；因子方差、题目误差方差 和题目截距自由估计；题目误差不相关；题目为连续变量。 MPLUS程序程序程序程序 Title: The structure of burnout !标题。 DATA: file is burnout.dat;!读入原始数据； VARIABLE: Names are district gender grade x1-x14;！变量 USEVARIABLES = x1-x14;！用到的变量； CATEGORICAL are x1-x14; ！指标是类别变量指标是类别变量指标是类别变量指标是类别变量； ANALYSIS: ESTIMATOR = ML;！默认的估计方法 MODEL: f1 BY x8 x10; ！因子由指标测量；MODEL: f1 BY x8-x10; ！因子f1由指标x8-x10测量； f2 BY x11 x12 x13 x14; f3 BY x1-x7; OUTPUT: STANDARDIZED; ！输出标准化估计； MODINDICES; !要求Mplus报告修正指数； !上述模型有如下设置为程序默认：为了模型识别，每个因子的第一个题目 的负荷默认为1；三个因子之间彼此相关；因子方差、题目误差方差 和题目截距自由估计；题目误差不相关。 OUTPUT SUMMARY OF ANALYSIS ! 数据及变量概述数据及变量概述数据及变量概述数据及变量概述 Number of groups 1 Number of observations 2049 Number of dependent variables 14 Number of independent variables 0 Number of continuous latent variables 3 OUTPUT MODEL FIT INFORMATION （拟合指数拟合指数拟合指数拟合指数） Number of Free Parameters 45 Loglikelihood H0 Value -38616.501 H1 Value -38457.465 Information Criteria RMSEA (Root Mean Square Error Of Approximation) Estimate 0.038 90 Percent C.I. 0.033 0.042 Probability RMSEA = .05 1.000 CFI/TLI CFI 0.969 TLI 0.962 Chi-Square Test of Model Fit for the Baseline Model Akaike (AIC) 77323.002 Bayesian (BIC) 77576.132 Sample-Size Adjusted BIC 77433.163 (n* = (n + 2) / 24) Chi-Square Test of Model Fit Value 289.466* Degrees of Freedom 74 P-Value 0.0000 Scaling Correction Factor 1.099 for ML Model Value 6977.117 Degrees of Freedom 91 P-Value 0.0000 SRMR (Standardized Root Mean Square Residual) Value 0.032 WRMR (Weighted Root Mean Square Residual) Value 2.023 OUTPUT STDYX Standardization !完全标准化完全标准化完全标准化完全标准化 Two-Tailed Estimate S.E. Est./S.E. P-Value F1 BY X8 0.604 0.022 27.910 0.000 X9 0.664 0.021 31.569 0.000 F3 BY X1 0.592 0.019 31.481 0.000 X2 0.540 0.021 26.116 0.000 X3 0.496 0.021 23.741 0.000 X4 0.601 0.019 31.144 0.000 X9 0.664 0.021 31.569 0.000 X10 0.734 0.019 39.276 0.000 F2 BY X11 0.728 0.016 44.879 0.000 X12 0.714 0.019 37.710 0.000 X13 0.663 0.020 32.398 0.000 X14 0.610 0.019 31.652 0.000 X4 0.601 0.019 31.144 0.000 X5 0.677 0.016 41.355 0.000 X6 0.701 0.016 44.048 0.000 X7 0.576 0.019 29.685 0.000 F2 WITH F1 0.494 0.024 20.517 0.000 F3 WITH F1 0.332 0.028 11.723 0.000 F2 0.568 0.019 29.489 0.000 OUTPUT MODEL MODIFICATION INDICES (修正指数修正指数修正指数修正指数) NOTE: Modification indices for direct effects of observed dependent variables regressed on covariates may not be included. To include these, request MODINDICES (ALL). Minimum M.I. value for printing the modification index 10.000 M.I. E.P.C. Std E.P.C. StdYX E.P.C. BY StatementsBY Statements F1 BY X1 12.405 0.144 0.097 0.091 F1 BY X11 12.834 0.180 0.121 0.104 F2 BY X1 47.122 0.262 0.222 0.208 F2 BY X8 11.231 -0.136 -0.115 -0.104 F2 BY X9 17.515 -0.178 -0.151 -0.135 F2 BY X10 50.540 0.337 0.286 0.245 F3 BY X8 10.237 -0.148 -0.093 -0.084 F3 BY X10 14.293 0.194 0.122 0.105 F3 BY X13 12.135 -0.164 -0.103 -0.105 调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析 简单中介模型简单中介模型简单中介模型简单中介模型 ?根据模型中中介变量的个数可以简单的将中介 模型分为单中介和多中介(Multiple Mediators) 模型。 M=aX+e2 Y=cX+bM+e3 In Mplus: Y on M X; M on X; 多中介模型（1） M=a1X+e1 W=a2X+e2 Y=cX+b M+a W+eY=cX+b1M+a2W+e3 In Mplus: ? 多中介模型（2） M=a1X+e1 W=a2X+a3M+e2 Y=cX+b1M+b2W+e3 In Mplus: ? 中介效应检验步骤中介效应检验步骤中介效应检验步骤中介效应检验步骤 Y=cX+e1 M=aX+e2M=aX+e2 Y=cX+bM+e3 c = ab + c。 c为总效应，c为考虑中介效应后的直接效应， ab为中介效应也称间接效应。 中介效应检验程序中介效应检验程序中介效应检验程序中介效应检验程序 （温忠麟、张雷、侯杰泰、刘红云，2004 ，心理学报心理学报心理学报心理学报） Sobel检验评价 ?主要问题: 检验统计量依据的正态分布前提很 难满足，特别是样本量较少时。因为即使a，b 分别服从正态分布，ab的乘积也可能与正态分 布存在较大差异。布存在较大差异。 Bootstrapping ?Bootstrapping的原理是当正态分布假设不成立 时，经验抽样分布可以作为实际整体分布用于 参数估计。Bootstrapping以研究样本作为抽样 总体，采用放回取样，从研究样本中反复抽取总体，采用放回取样，从研究样本中反复抽取 一定数量的样本（例如，抽取500次），通过 平均每次抽样得到的参数作为最后的估计结果 (Efron Mooney Cheung, MacKinnon et al., 2002,2004)。 ?因此因此因此因此，Bootstrapping法是目前比较理想的中介法是目前比较理想的中介法是目前比较理想的中介法是目前比较理想的中介 效应检验法效应检验法效应检验法效应检验法(Preacher, Hayes, Preacher, Enders, 2002)。 ?残差的残差的残差的残差的Bootstrap只适应于连续变量的只适应于连续变量的只适应于连续变量的只适应于连续变量的ML估计估计估计估计。 通过使用通过使用通过使用通过使用Bootstrap语句以及语句以及语句以及语句以及MODEL INDIRECT 和和和和CINTERVAL，可以得到间接效应的可以得到间接效应的可以得到间接效应的可以得到间接效应的Bootstrap和和和和CINTERVAL，可以得到间接效应的可以得到间接效应的可以得到间接效应的可以得到间接效应的Bootstrap 标准误和偏差校正的标准误和偏差校正的标准误和偏差校正的标准误和偏差校正的Bootstrap置信区间置信区间置信区间置信区间。 ?因为涉及到再抽样因为涉及到再抽样因为涉及到再抽样因为涉及到再抽样，所以在估计时要求输入数据所以在估计时要求输入数据所以在估计时要求输入数据所以在估计时要求输入数据 为原始数据为原始数据为原始数据为原始数据。 ?如果置信区间包括如果置信区间包括如果置信区间包括如果置信区间包括0则说明参数不显著则说明参数不显著则说明参数不显著则说明参数不显著；如果不包如果不包如果不包如果不包 括括括括0说明系数显著说明系数显著说明系数显著说明系数显著。 路径模型路径模型路径模型路径模型 路径模型的Mplus程序 路径模型OUTPUT（1） MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value Y1 ON X1 0.992 0.044 22.616 0.000 X2 2.001 0.044 45.697 0.000 X3 3.052 0.039 77.618 0.000 Y2 ON X1 2.935 0.049 59.416 0.000 TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT, AND DIRECT EFFECTS Two-Tailed Estimate S.E. Est./S.E. P-Value Effects from X1 to Y3 X1 2.935 0.049 59.416 0.000 X2 1.992 0.051 38.853 0.000 X3 1.023 0.049 20.710 0.000 Y3 ON Y1 0.507 0.020 25.737 0.000 Y2 0.746 0.019 39.799 0.000 X2 1.046 0.076 13.744 0.000 Intercepts Y1 -1.064 0.046 -23.284 0.000 Y2 -0.042 0.052 -0.799 0.424 Y3 1.068 0.063 17.004 0.000 Residual Variances Y1 1.061 0.068 15.545 0.000 Y2 1.408 0.082 17.266 0.000 Y3 1.717 0.114 15.046 0.000 Sum of indirect 2.691 0.063 42.412 0.000 Specific indirect Y3 Y1 X1 0.503 0.030 17.008 0.000 Y3 Y2 X1 2.188 0.065 33.868 0.000 路径模型OUTPUT（2） 路径模型OUTPUT（3） 调节效应分析调节效应分析调节效应分析调节效应分析 ?当两个变量之间关系的方向和（或）大小依赖 于第三个变量时，则说明存在调节效应，这里 的第三个变量即为调节变量(Moderator)。 Y=0 +1X+2W+3XW+ 衡量了调节效应的大小衡量了调节效应的大小衡量了调节效应的大小衡量了调节效应的大小 当调节遇见中介当调节遇见中介当调节遇见中介当调节遇见中介 ?有调节的中介有调节的中介有调节的中介有调节的中介(Moderated Mediation) ?有中介的调节有中介的调节有中介的调节有中介的调节(Mediated Moderation) ?两者的混合两者的混合两者的混合两者的混合。 有调节的中介模型有调节的中介模型有调节的中介模型有调节的中介模型 1.Y=c0+c1X + c2U +e1 X的系数c1显著； 2. W= a0+a1X+a2U+e2 X的系数a1显著； 3. Y= c0+c1X +c2U + bW + e3 a1 a2 c1 3. = 012 + + 3 b显著; 到此为止说明到此为止说明WW的中介效应显著。的中介效应显著。 4. Y= c0+c1X +c2U + bW+ dUW+e4 UW的系数d显著。 c2 b d 有调节的中介模型有调节的中介模型有调节的中介模型有调节的中介模型 1.Y=c0+c1X + c2U +e1 X的系数c1显著； 2. W= a0+a1X+a2U+e2 X的系数a1显著； 3. Y= c0+c1X +c2U + bW + e3 a1 a2 c1 3. = 012 + + 3 b显著; 到此为止说明到此为止说明WW的中介效应显著。的中介效应显著。 4. Y= c0+c1X +c2U + bW+ dUW+e4 UW的系数d显著。 c2 b d 有调节的中介模型有调节的中介模型有调节的中介模型有调节的中介模型 1.Y=c0+c1X + c2U +e1 X的系数c1显著； 2. W= a0+a1X+a2U+e2 X的系数a1显著； 3. Y= c0+c1X +c2U + bW + e3 a1 a2 c1 3. = 012 + + 3 b显著; 到此为止说明到此为止说明WW的中介效应显著。的中介效应显著。 4. Y= c0+c1X +c2U + bW+ dUW+e4 UW的系数d显著。 c2 b d 有调节的中介模型有调节的中介模型有调节的中介模型有调节的中介模型 1.Y=c0+c1X + c2U +e1 X的系数c1显著； 2. W= a0+a1X+a2U+e2 X的系数a1显著； 3. Y= c0+c1X +c2U + bW + e3 a1 a2 c1 3. = 012 + + 3 b显著; 到此为止说明到此为止说明WW的中介效应显著。的中介效应显著。 4. Y= c0+c1X +c2U + bW+ dUW+e4 UW的系数d显著。 c2 b d Moderated Mediation in Mplus DATA: FILE IS C:mplus3.txt; VARIABLE: names are y x u w; USEVARIABLE are y x u w uw; ! 交互项要列在 USEVARIABLE里； DEFINE: uw = u*w; !定义交互项； ANALYSIS: bootstrap = 1000; ANALYSIS: bootstrap = 1000; MODEL: y on w (b) x u uw (d); w on x (a1) u (a2); MODEL CONSTRAINT: new (ind wmodval); wmodval = -1; ! wmodval可以设定为调节变量W的任何 取值，当wmodval 设定为-1时，表示在W=-1时X通过 M作用于Y的效应。 ind=a1*(b+d*wmodval); OUTPUT: cinterval (bcbootstrap); !获得获得获得获得bias corrected的的的的 bootstrap置信区间置信区间置信区间置信区间 OUTPUT(拟合指数拟合指数拟合指数拟合指数) RMSEA (Root Mean Square Error Of Approximation) Estimate 0.050 90 Percent C.I. 0.000 0.09690 Percent C.I. 0.000 0.096 Probability RMSEA = .05 0.430 CFI/TLI CFI 0.974 TLI 0.938 MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value Y ON W 0.074 0.038 1.953 0.050 X 0.209 0.020 10.550 0.000 U 0.209 0.020 10.550 0.000 UW 0.209 0.020 10.550 0.000UW 0.209 0.020 10.550 0.000 W ON X 0.161 0.036 4.448 0.000 U 0.229 0.039 5.877 0.000 New/Additional Parameters IND -0.022 0.009 -2.350 0.019 WMODVA -1.000 0.000 0.000 1.000 Lower .5% Lower 2.5% Lower 5% Estimate Upper 5% Upper 2.5% Upper .5% Y ON W -0.031 -0.001 0.010 0.074 0.135 0.147 0.171 X 0.157 0.168 0.175 0.209 0.239 0.245 0.259 U 0.157 0.168 0.175 0.209 0.239 0.245 0.259 UW 0.157 0.168 0.175 0.209 0.239 0.245 0.259 区间估计区间估计区间估计区间估计 W ON X 0.071 0.087 0.101 0.161 0.216 0.233 0.258 U 0.121 0.149 0.164 0.229 0.293 0.306 0.324 New/Additional Parameters IND -0.051 -0.044 -0.040 -0.022 -0.009 -0.007 -0.003 WMODVAL -1.000 -1.000 -1.000 -1.000 -1.000 -1.000 -1.000 不包含不包含不包含不包含0，效应显著效应显著效应显著效应显著；包含包含包含包含0，效应不显著效应不显著效应不显著效应不显著 有中介的调节模型有中介的调节模型有中介的调节模型有中介的调节模型 c1 a1 a2 1.Y=c0+c1X + c2U +c3UX+e1 UX的系数c3显著，说明调节效 应显著； 2.W= a0+a1X +a2U +a3UX+e2 UX的系数a3显著； b 2 c2 a3 c3 UX的系数a3显著； 3.Y= c0+c1X + c2U +c3UX+bW+e3 W的系数b显著. 注：c3为直接的调节效应， a3b是间接的调节效应。如果第3 步中的c3不显著，则调节效应 完全通过中介效应影响因变量 有中介的调节模型有中介的调节模型有中介的调节模型有中介的调节模型 c1 a1 a2 1.Y=c0+c1X + c2U +c3UX+e1 UX的系数c3显著，说明调节效 应显著； 2.W= a0+a1X +a2U +a3UX+e2 UX的系数a3显著； b 2 c2 a3 c3 3 3.Y= c0+c1X + c2U +c3UX+bW+e3 W的系数b显著. 注：c3为直接的调节效应， a3b是间接的调节效应。如果第3 步中的c3不显著，则调节效应 完全通过中介效应影响因变量 有中介的调节模型有中介的调节模型有中介的调节模型有中介的调节模型 c1 a1 a2 1.Y=c0+c1X + c2U +c3UX+e1 UX的系数c3显著，说明调节效 应显著； 2.W= a0+a1X +a2U +a3UX+e2 UX的系数a3显著； b 2 c2 a3 c3 UX的系数a3显著； 3.Y= c0+c1X + c2U +c3UX+bW+e3 W的系数b显著. 注：c3为直接的调节效应， a3b是间接的调节效应。如果第3 步中的c3不显著，则调节效应 完全通过中介效应影响因变量 Mediated Moderation in Mplus VARIABLE: names are y x u w; USEVARIABLES are y x u w ux; DEFINE: ux = u*x; ANALYSIS: bootstrap = 1000; MODEL: y on w (b) x u ux; w on x (a1) u ux (a3); OUTPUT:CINTERVAL (bcbootstrap); RMSEA (Root Mean Square Error Of Approximation) Estimate 0.111 90 Percent C.I. 0.051 0.185 Probability RMSEA = .05 0.048 OUTPUT(拟合指数拟合指数拟合指数拟合指数) Probability RMSEA = .05 0.048 CFI/TLI CFI 0.955 TLI 0.686 MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value Y ON W 0.062 0.039 1.606 0.108 X 0.282 0.038 7.321 0.000 U 0.179 0.039 4.591 0.000 UX 0.194 0.037 5.255 0.000 W ON X 0.150 0.036 4.166 0.000 U 0.152 0.029 5.308 0.000 UX 0.152 0.029 5.308 0.000 区间估计区间估计区间估计区间估计 Lower .5% Lower 2.5% Lower 5% Estimate Upper 5% Upper 2.5% Upper .5% Y ON W -0.046 -0.015 -0.002 0.062 0.124 0.137 0.165 X 0.191 0.208 0.219 0.282 0.348 0.358 0.382 U 0.073 0.102 0.112 0.179 0.242 0.254 0.285 UX 0.095 0.120 0.129 0.194 0.251 0.259 0.279 W ON X 0.046 0.074 0.086 0.150 0.204 0.218 0.246 U 0.079 0.092 0.103 0.152 0.196 0.207 0.225 UX 0.079 0.092 0.103 0.152 0.196 0.207 0.225 不包含不包含不包含不包含0，效应显著效应显著效应显著效应显著；包含包含包含包含0，效应不显著效应不显著效应不显著效应不显著 结构方程模型中的结构方程模型中的结构方程模型中的结构方程模型中的 调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析调节和中介效应分析 潜变量交互效应分析潜变量交互效应分析潜变量交互效应分析潜变量交互效应分析（MPLUS） ?乘积指标法 ?潜调节结构方程建模 乘积指标法乘积指标法乘积指标法乘积指标法 变量调节效应分析示例变量调节效应分析示例变量调节效应分析示例变量调节效应分析示例 ?下面以一个假设的模型为例演示潜变量调节效应分析的过程。假 设自我效能感调节消极应对和抑郁间的关系，即消极应对和抑郁 间的关系在不同自我效能感水平个体上存在差异，假设的路径图 如下。 ?同回归分析检验交互效应一样，首先对自变量和调节变量 进行中心化处理，Mplus提供两种中心化方法：总均值中 心化(GRANDMEAN)和组均值中心化(GROUPMEAN)。 前者是所有原始数据减去全体样本的均值，后者为所有原 始数据减去所在组的均值。需要注意的是，通过DEFINE始数据减去所在组的均值。需要注意的是，通过 命令定义的交互指标需要写入USEVARIABLE后面。 INPUT TITLE: this is an example of a SEM with latent moderation model using product indicators; DATA: FILE IS 8-data.dat; VARIABLE: NAMES ARE age gender a1-a5 e1-e13 b1-b20 c1-c17 d1-d10; USEVARIABLE = d1-d5 e1-e5 b13-b17 int1-int5; CENTER =GRANDMEAN(d1-d5 b13-b17 e1-e5); !此处选择总均值中心化。 DEFINE: int1=d1*b13; !配对乘积生成指标； Int2=d2*b14; Int3=d3*b15; Int4=d4*b16; Int5=d5*b17;Int5=d5*b17; ANALYSIS: ESTIMATOR =ML; MODEL=NOMEANSTRUCTURE; !使用无均值结构建模法； INFORMATION =Expected; MODEL: f1 BY d1-d5; ! 必须采用固定负荷法指定潜变量单位； f2 BY b13-b17; f3 BY e1-e5; int by int1-int5; !定义交互效应因子的测量模型； f3 ON f1 f2 int; !潜变量交互效应方程； OUTPUT: Standardized ; OUTPUT MODEL FIT INFORMATION Number of Free Parameters 49 Loglikelihood H0 Value -72445.709 H0 Scaling Correction Factor 1.374 for MLR Information Criteria Akaike (AIC) 144989.417 Bayesian (BIC) 145295.106 Sample-Size Adjusted BIC 145139.407 (n* = (n + 2) / 24) OUTPUT MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value F3 ON F1 -0.109 0.028 -3.785 0.000F1 -0.109 0.028 -3.785 0.000 F2 0.471 0.034 13.370 0.000 F1XF2 -0.089 0.043 -2.156 0.030 F2 WITH F1 -0.046 0.026 -1.861 0.063 LMS in Mplus ?在Mplus中，LMS的设置使用“|”和“XWITH”语句， 例如f1xf2 | f1 XWITH f2，f1xf2为交互效应因子，通 过f1 XWITH f2定义。在随后的分析中，f1xf2只能作 为自变量使用。 INPUT TITLE: this is an example of a SEM with latent moderation model using LMS; DATA: FILE IS 8-data.dat; VARIABLE: NAMES ARE age gender a1-a5 e1-e13 b1-b20 c1-c17 d1- d10; USEVARIABLE = d1-d5 e1-e5 b13-b17; ANALYSIS: TYPE = RANDOM; !选择的分析类型为RANDOM； ALGORITHM = INTEGRATION; PRPCESSPRS=2; !设置使用两个处理器，可以提高计算速度；PRPCESSPRS=2; !设置使用两个处理器，可以提高计算速度； MODEL: f1 BY d1-d5*; !定义测量模型； f2 BY b13-b17*; f3 BY e1-e5*; f1-f31; !建议采用固定方差法指定潜变量单位； f3 ON f1 f2; f1xf2 | f1 XWITH f2; !定义交互效应项; f3 ON f1xf2; !检验交互效应; OUTPUT: tech1 tech8; ! LMS法不提供标准化结果; OUTPUT MODEL FIT INFORMATION Number of Free Parameters 49 Loglikelihood H0 Value -72445.709 H0 Scaling Correction Factor 1.374 for MLRfor MLR Information Criteria Akaike (AIC) 144989.417 Bayesian (BIC) 145295.106 Sample-Size Adjusted BIC 145139.407 (n* = (n + 2) / 24) OUTPUT MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value F3 ON F1 -0.109 0.029 -3.785 0.000F1 0.109 0.029 3.785 0.000 F2 0.471 0.035 13.370 0.000 F1XF2 -0.089 0.042 -2.155 0.031 F2 WITH F1 -0.046 0.025 -1.861 0.063 注意注意注意注意 ?在潜变量指标数不平衡的情况下，如F1有3个 指标，F2有5个指标，用乘积指标法时建议采 用留高去低法 ?当数据非正态分布时，用乘积指标法结果更好 （如参数估计偏差小等） 中介中介中介中介SEM分析示例分析示例分析示例分析示例 ?假设根据相关理论和过去研究结果，我们提出如图的 假设模型。消极应对和自我效能感在应激和抑郁间存 在中介效应。 TITLE: this is an example of a SEM with two mediators; DATA: FILE IS 8-data.dat; VARIABLE: NAMES ARE age gender a1-a5 e1-e13 b1-b20 c1-c17 d1- d10; USEVARIABLE = a1-a5 e1-e5 b13-b17 d1-d5; ANALYSIS: Bootstrap=1000; MODEL: f1 BY a1-a5*; ! 定义应激因子； f2 BY b13-b17*; ! 定义消极应对因子； f3 BY d1-d5*; ! 定义自我效能感因子； f4 by e1-e5*; ! 定义抑郁因子；f4 by e1 e5*; ! f1-f41; ！因子方差等于1； f4 on f1-f3; f2 on f1; f3 on f1; MODEL INDIRECT: f4 IND f2 f1; !计算f1通过f2作用F4的特定中介效应； f4 IND f3 f1; !计算f1通过f3作用F4的特定中介效应； OUTPUT: STANDARDIZED CINTERVAL(bcbootstrap); OUTPUT(拟合指数拟合指数拟合指数拟合指数) MODEL FIT INFORMATION Number of Free Parameters 65 Loglikelihood H0 Value -98390.904 H1 Value -977