Mplus 兩個調節變量分別調節不同階段的中介應該怎麽寫代碼？

本篇內容包括Mplus SEM基礎模型, 含(連續及類別數據)EFA/CFA及不同CFA模型的比較，測驗等值檢驗, 不同數據類型潛變量之中介(Bootstrap), 調節, 調節的中介,及簡單效應分析及做圖。有人留言詢問基礎模型，所以壹次性把主要的基礎模型介紹完了哈哈……如果有人還問妳Mplus基礎模型咋搞，請把這篇文章甩給ta……

1 CFA

1.1 CFA 基本語句

1.1.1語句解讀

1.1.2 Mplus語句壹些常用符號

1.1.3模型擬合指數說明

1.2 CFA MpLUS 示例及結果解讀

1.3 備擇模型及CFA模型比較

1.4 類別變量CFA

1.5 Subgroup CFA Test invariance

1.5.1 Measurement invariance (MI)介紹

1.5.2 性別作為subgroup MI 示例

# EFA探索性因子分析

#.1 連續變量的EFA

#.2 類別變量的EFA

2 中介模型的檢驗

2.1 中介模型

2.2 Bootstrap

1.3 use model constraint 設定中介模型

2.5 調節的中介

3 調節模型檢驗

3.1 潛變量調節模型

3.2 簡單效應分析及交互作用圖

4 如何報告數據結果

5 代碼獲取方法

1 CFA

Testing ameasurement model via CFA is always the first step in fitting a structural equationmodel (SEM).

1.1 CFA基本語句

1.1.1語句解讀

Title: 可以任意給定，如three factor model

TITLE: three factor model

VARIABLE:！數據文件裏所有的變量名

USEVARIABLES= 所使用的變量

MISSING = ALL(-1); ！界定缺失值，根據自己的設定可以是-999， -99任意

ANALYSIS:

TYPE = GENERAL;

TYPE 主要有四種常見的分析類型

· GENERAL最常用的, CFA, SEM, 壹般線性回歸模型

· MIXTURE 用於類別變量的模型，最常用的latent class analysis

· TWOLEVEL 多水平數據，可以是連續性及類別變量

· EFA 探索性因子分析

ESTIMATOR= ML; !estimation method

如果所有的因變量是連續性變量，可以使用ML (Maximum Likelihood)

如果有壹個或多個因變量是類別變量categorical variable，應該使用WLSMV(a weighted least squares estimate)

ITERATIONS= 1000; !運行的次數

MODEL:!界定模型

fdback BY FDBACK1 FDBACK2 FDBACK3;

rolecon BY ROLECON1 ROLECON2 ROLECON3;

OUTPUT:

MOD STAND;

MOD modificationindices,

註：BY 是Measured by 的縮寫

ON 是regressed on 的縮寫

Y ON X Z; 表示X, Z 為自變量，Y 為因變量;

WITH 是co-vary with的縮寫，表示相關

XWITH是用來創建潛變量的交互作用

如： X BY X1 X2 X3;

Z BY Z1 Z2 Z3;

XZWITH | X WITH Z;

如果要用潛變量模型求調節模型需要用到。

1.1.2 Mplus語句壹些常用符號

@ 是用來set a constraint

X WITH Y@0; ！如果我們想要設定兩個潛變量相關為0，

* 星號用來 free a fixed –by-default parameter

比如X BY X1* X2@1 X3 X4;

為了模型識別，Mplus通常默認第壹個條目的loading 系數為1，如果妳想要改變默認設置，將第二個條目限定loading 系數為1，而第壹個條目free to be estimated. 就可以用以上。

() 這個是用來命名特定系數，壹般復雜模型比較有用。

Y1 ON X1 (a);

Y2 ON X2 (b);

Model constraint :a = 2*b;

1.1.3模型擬合指數說明

CFI, TLI, RMSEA, AIC,BIC Kline (2010):

1.2CFA MpLUS 示例及結果解讀

對應代碼文件: M1.2 three factor CFA

模型說明：三個變量social support, teamwork, job satisfaction 分別有2個條目測量，驗證CFA三因子模型，點擊運行MpLUS會給出模型擬合指數及Loading。

根據HU & Bentler CFI TLI 0.95, 0.08 SRMR, .06RMSEA 說明模型擬合指數較好

Loading系數及變量之間的相關。

1.3 備擇模型及CFA模型比較

至於如何選擇不同的模型，可以參考實證研究

可以試著運行1 factor, or three, 然後根據chi-sq, df比較模型，nested 模型通常比較兩個模型的卡方值(卡方值的變化值 M1 卡方-M0卡方，自由度變化值df1-df0,查卡方表是否顯著).

Satorra & Bentler(2010)提出壹種新的方法，Mplus官網有介紹：

來源：

/chidiff.shtml

我已把這個公式放在壹個EXCEL裏面，妳只需要MpLUS 裏ESTIMATOR = ML, ML修改為MLR，跑兩個不同的nestedmodel （M1 M0）,然後會得到相關的幾個數據，輸入對應的EXCEL，再去查卡方表即可。

1.4 類別變量CFA

只需要添加壹行代碼說明CATEGORICAL =

對應的ESTIMATOR =WLSMV;

1.5 SubgroupCFA Test invariance

1.5.1Measurement invariance (MI)介紹

量表開發，或者縱向追蹤數據的時候需要檢驗 measurement invariance (Van de Schoot,Lugtig, & Hox, 2012).

具體的相關理論方面可以閱讀文獻 Van de Schoot et al. 2012, 作者詳細提供了step by step guide 以及Mplus syntax。

www.fss.uu.nl/mplus(), 打開鏈接發現作者也是UU的……然而並沒有發現Mplus syntax…，但是UU學術筆記提供！

通常檢驗：

· factorloading, (weak invariance)

· intercepts,(strong invariance)

· andresidual variances (strict invariance)

然後根據1.3提到的模型比較方法比較不同的模型

1.5.2 性別作為subgroup MI 示例

我把三個模型的代碼寫在壹個syntax文件裏了，運行的時候只需要刪掉前面註釋符號!即可Model 1就是普通的CFA不需要添加任何，Model 2, 需要在數據下面添加GROUPING …analysis添加依壹句 !MODEL = configural metric scalar;

註意:在修改代碼時候壹定要在英文輸入法模式!

輸入！Mplus無法識別，mplus依然會運行原本需要忽略的代碼，修改為英文!就會變成備註模式

MODEL 2 Stronginvariance

(對應代碼文件M1.5.2 strong measurement invariance)

就會得到invariance testing, 以及模型擬合指數

ModeL3 Strict model

（M1.5.3strict measurement invariance）

Strict 模型擬合較差

# EFA探索性因子分析

#.1 連續變量的EFA

EFA比較簡單，簡單說下 (對應代碼文件M0EFA 1-4factor)

只需要選擇需要進行EFA 的變量，然後再分析方法指定EFA 然後 1和 4分別指，1-4 factor，運行就可以了

結果就會給出不同模型的比較loading，以及擬合指數

1 factor loadings

Two factors

Three factor

比較發現，two factor , 多個條目出現雙載荷cross-loading，三個就更差了，綜合模型比較急loading 系數選取單因子模型

#.2 類別變量的EFA

只需要制定categorical variable 即可

2 中介模型的檢驗

2.1 中介模型

模型說明 teamwork—social support---job satisfaction (代碼文件：M2.1 mediation bootstrap)

用潛變量中介模型，每個變量有兩個條目

IND: only add atest for the indirect effect

可以看出，所有的回歸系數都顯著；

中介也是顯著

2.2 Bootstrap

以同樣的模型為例：teamwork—social support---job satisfaction

在ANALYSIS: 命令下添加Bootstrap = 10000; 根據Hayes (2013) 壹般5000次以上就可以。

相應地，在OUTPUT: CINTERVAL (bcbootstrap)；在代碼M2mediation mplus, 已經添加了Bootstrap，只需要刪掉前面的！號即可（！在mplus表示註釋說明），運行就會獲得bootstrap 結果；

只需要不包含0說明結果顯著。

1.3 use model constraint 設定中介模型

如果涉及多個中介時候這種方法比較好壹些

2.4 結果變量為類別變量的中介模型

以性別作為結果變量，僅僅是為了演示……不然拿性別做因變量恐怕很難說得通

在用到的變量裏說明類別變量，分析方法也需要用MLR, a maximum likelihood estimator withrobust standard errors using a numerical integration algorithm will be used (Muthén &Muthén, 2017).

其它把類別變量做自變量之類的，都大同小異，不再贅述。感興趣的可以看看MpLUS USER GUIDE P.39-40

2.5 調節的中介

對應代碼文件M2.5 moderated mediation

新建了交互作用WDxsocsup, 用潛變量或顯變量的時候在分析方法交互作用設定都會有所不同。在前文MpLUS語句介紹裏有說明 WITH 語句。

其它的結果解讀略去。

這裏演示的都以潛變量模型為例子，顯變量模型可以參考MpLUS USER GUIDE P.37-41

3 調節模型檢驗

3.1 潛變量調節模型

其實已經在上面中介的調節裏有說明了如何創建交互項，潛變量用 WITH 語句

工作資源需求模型的，work demand *social support, 工作資源對工作需求的buffer effect

就簡單運行壹個調節模型，work demand, social support, and WDxSSUP 對工作滿意度的影響

Output 輸出代碼稍有不同：STAND CINT SAMPSTAT;

對應代碼文件：3.1 latent moderation

主效應顯著，交互作用不顯著。

3.2 簡單效應分析及交互作用圖

說實在在MpLUS裏簡單效應分析比較麻煩，做出來的原始圖也比較醜……

就用顯變量模型演示。

對應代碼文件：M3.2 Moderation analysis withsimple slope test and plot

首先創建交互項，但是回歸分析壹般需要數據中心化處理，所以在準備數據的時候最好直接創建交互作用，或者也可以用Define, 然後添加交互作用到usevariables !重要

簡單效應分析的第壹步是首先跑壹個回歸模型，如果得到交互作用顯著之後，根據概念模型寫出對應地回歸方程

Stress =b0+age+b1*wkdem + b2*support+b3*DEMxSUP

這裏調節變量為sup, 簡單效應分析就是調節變量在平均數加減壹個標準差之三者之間slope的差異, bo b1等為非標準化的回歸系數。

Social support 平均數為3.464, 標準差為0.991, 基於此可以求出，Med, high, low social support; 這些數據可以通過TECH1 TECH8; 就可以給出，註MPlus提供的是方差，需要自己計算SD，或者可以用SPSS

LOSUP= 3.464 - 0.991;

MEDSUP = 3.464;

HISUP = 3.464 + 0.991;

然後界定三個slope,

SIMP_LO = b1 +b3*LOSUP;

SIMP_MED = b1 + b3*MEDSUP;

SIMP_HI = b1 + b3*HISUP;

然後上面的公式經過轉換，分別界定三條線low, med, high，運行得出結果

發現只有low social support 顯著……然後查看具體交互作用圖

……以前以為MpLUS 做出來的圖醜到無邊……其實是沒有調整好……

4 如何報告數據結果

可參考已發表實證研究。或關註UU學術筆記，目前我們聯合眾多博士正在整理管理學及心理學領域Top tier journal 數據結果報告的常用句庫，未來壹個月內會發在公眾號。另外，我們英文寫作句庫已經發布了引言部分及文獻綜述、方法部分

Academic writing: method (sentence bank)

寫好英文學術論文，妳只差壹個句庫 (Sentence Bank)

5代碼獲取方法

· 代碼都已經在文章截圖呈現，所以可以根據自己數據改編。

· 轉發至朋友圈獲得30個贊同；

· 轉發至於300人以上心理學或管理學碩士博士群

發至郵箱uunotebook@163.com，我們會在3個工作日內發給妳代碼及數據

如果需要MpLUS 軟件或者數據準備不清楚，請看

Mplus 7.4 軟件及代碼

或者如果涉及復雜模型，LCA

Latent Transition Analysis（潛在群組轉變）: Mplus分析詳解

----

歡迎關註我們壹個專註於心理學及管理學領域統計方法（復雜模型Mplus及R軟件的應用）及英文寫作的公眾號

----

另如果涉及統計及代碼問題，請在文章下方留言或郵寄。公眾號回復48小時就無法回復了。

編輯於 2020-02-06 · 著作權歸作者所有

贊同 146

評論

Mplus 兩個調節變量分別調節不同階段的中介 應該怎麽寫代碼？

相关文章

Mplus 兩個調節變量分別調節不同階段的中介應該怎麽寫代碼？