目录
除了链式中介模型,具有两个中介变量的、常见的模型之一是并行中介模型。在该模型中,假设两个中介变量在时间上不存在先后顺序关系。如下图所示。

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 M1 M2 Y; ! 变量名称
MISSING=ALL(99); ! 定义缺失值
USEVARIABLE ARE X M1 M2 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 M1 M2 ON X; ! X指向M1、M2、Y的路径
Y ON M1 M2; ! M1、M2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
Mplus语句
TITLE: MEDIATION MODEL;
DATA: FILE IS 12.dat; ! 数据来源
VARIABLE: NAME ARE X1-X4 A1-A4 B1-B4 Y1-Y4; ! 变量名称
MISSING=ALL(99); ! 定义缺失值
USEVARIABLE ARE X1-X4 A1-A4 B1-B4 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 A1-A4;
C BY B1-B4;
D BY Y1-Y4; ! 通过BY,创建四个潜变量
D B C ON A; ! A指向B、C、D的路径
D ON B C; ! B、C指向D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 M1 M2 Y; ! 变量名称
MISSING=ALL(99); ! 定义缺失值
USEVARIABLE ARE X M1 M2 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 M1 M2 ON X; ! X指向M1、M2、Y的路径
Y ON M1 M2; ! M1、M2指向Y的路径
MODEL INDIRECT: Y IND M1 X; ! X->M1->Y的中介效应
Y IND M2 X; ! X->M2->Y的中介效应
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
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。

2. 路径系数值及显著性
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,所有路径均显著。



3. 中介效应值及显著性
由下图可知:M1在X和Y之间的中介作用显著,M2在X和Y之间的中介作用显著。总间接效应也显著。

其他
1. 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。
2. Bootstrap和MLR估计方法不能同时使用。
3. 路径系数差异检验可通过Model Constraint和Model Test实现,详情可点击链接查看。
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!