目录
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。
![](https://img-blog.csdnimg.cn/img_convert/dbd579053449e53df55a1b8876cbd939.png)
显变量模型语法
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
潜变量模型语法
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
中介效应检验
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。
Mplus语句
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
结果解读
以显变量模型为例,关注三方面的结果:
1. 模型拟合
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。
![](https://img-blog.csdnimg.cn/img_convert/83a7706003837a052b1e8599255fb8fb.png)
2. 路径系数及显著性
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
![](https://img-blog.csdnimg.cn/img_convert/421f3a692583b319a50c70f15635a3b6.png)
![](https://img-blog.csdnimg.cn/img_convert/dd548c032d6d653426cc9ab46d2a13a1.png)
![](https://img-blog.csdnimg.cn/img_convert/1d5a3dc3e8dfb15e8986009b0774f02d.png)
3. 中介效应值及显著性
由下图可知,中介效应显著。
![](https://img-blog.csdnimg.cn/img_convert/223c4a635e4db2645ffff4786de3c6b8.png)
其他(随时补充)
-
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!