Mplus—简单中介模型

Kunle~

已于 2023-10-09 15:25:43 修改

阅读量1.1k

点赞数

分类专栏： Mplus 文章标签：人工智能数据分析经验分享学习方法笔记

于 2023-10-09 14:44:29 首次发布

本文链接：https://blog.csdn.net/m0_54401011/article/details/133701621

版权

Mplus 专栏收录该内容

23 篇文章 14 订阅

订阅专栏

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。

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