Mplus model75 模型讲解

来自图书《MPlus中介调节模型》

Mplus 调节中介模型分析教程结构

• 理论模型：阐述有调节中介模型背后的理论逻辑，解释自变量、中介变量、因变量以及两个调节变量之间的关系。
• 数学模型：用数学公式表达模型中各个变量之间的关系，包括直接效应、间接效应以及调节效应的数学形式。
• 数学推导：详细展示如何根据数学模型推导出需要估计的参数，以及如何计算有调节的中介效应。
• 代码解读：逐行解释 Mplus 代码，说明如何将理论模型转化为 Mplus 可执行的语法，并解读输出结果。

大家好，今天我们将一起学习如何使用 Mplus 分析包含两个调节变量的调节中介模型。本教程主要分为四个部分：首先，我们会从理论层面讲解这个模型的逻辑结构，包括各个变量之间的关系以及调节效应的含义。接下来，我们会用数学公式来表示模型，更加精确地定义变量间的关系。然后，我们会详细推导这些数学公式，解释如何计算我们关心的有调节的中介效应。最后，我们会逐行解读 Mplus 代码，帮助大家了解如何将理论模型转化成 Mplus 可以执行的命令，并解释分析结果，让大家可以自己上手操作。希望通过今天的学习，大家都能掌握这个模型的分析方法。

理论模型

我们来看，这个图展示了一个复杂的变量关系。这里有五个变量，分别是X，M，Y，W和Z。箭头表示变量之间的影响方向。比如，X影响M，X也影响Y。同时，W影响M和Y，Z也影响M和Y。此外，M也会影响Y。这些箭头表示变量之间存在直接或间接的影响。我们可以看到，变量之间关系错综复杂，这就是我们需要深入分析的调节中介模型。

数学模型

这张图展示了一个复杂的关系模型，其中包含X、W、Z、M和Y这五个变量。大家可以看到，X、W和Z通过a1、a2和a3这三条路径直接影响M。另外，X和W的交互项XW通过a4这条路径，X和Z的交互项XZ通过a5这条路径也影响M。M则通过b1这条路径直接影响Y。W和Z也分别通过b2和b3这两条路径直接影响Y。此外，M和W的交互项MW通过b4这条路径，M和Z的交互项MZ通过b5这条路径也影响Y。最后，X还通过c’这条路径直接影响Y。这些箭头和字母标记，展示了变量之间错综复杂的关系。

数学公式1

模型方程:

Y = b_0 + b_1M + b_2W + b_3Z + b_4MW + b_5MZ + c'X

M = a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ

首先，我们来看模型方程。第一个方程描述的是因变量Y与中介变量M，以及调节变量W和Z之间的关系，其中还包括了X对Y的直接影响。第二个方程描述的是中介变量M与自变量X，以及调节变量W和Z之间的关系。注意这里我们考虑了交互作用。

数学公式2

模型方程:

Y = b_0 + b_1M + b_2W + b_3Z + b_4MW + b_5MZ + c'X

M = a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ
代入 M 的方程:

Y = b_0 + b_1(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ) + b_2W + b_3Z + b_4(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)W + b_5(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)Z + c'X

接下来，为了分析X对Y的总效应，我们将中介变量M的方程代入Y的方程。这样，我们就得到了一个只包含X，W，Z以及它们的交互项的Y的方程。

数学公式3

模型方程:

Y = b_0 + b_1M + b_2W + b_3Z + b_4MW + b_5MZ + c'X

M = a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ
代入 M 的方程:

Y = b_0 + b_1(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ) + b_2W + b_3Z + b_4(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)W + b_5(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)Z + c'X
展开括号:

Y = b_0 + a_0b_1 + a_1b_1X + a_2b_1W + a_3b_1Z + a_4b_1XW + a_5b_1XZ + b_2W + b_3Z + a_0b_4W + a_1b_4XW + a_2b_4WW + a_3b_4ZW + a_4b_4XWW + a_5b_4XZW + a_0b_5Z + a_1b_5XZ + a_2b_5WZ + a_3b_5ZZ + a_4b_5XWZ + a_5b_5XZZ + c'X

现在，我们将上一步得到的方程中的所有括号展开，确保每一项都单独列出，便于后续的整理和分析。

数学公式4

模型方程:

Y = b_0 + b_1M + b_2W + b_3Z + b_4MW + b_5MZ + c'X

M = a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ
代入 M 的方程:

Y = b_0 + b_1(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ) + b_2W + b_3Z + b_4(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)W + b_5(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)Z + c'X
展开括号:

Y = b_0 + a_0b_1 + a_1b_1X + a_2b_1W + a_3b_1Z + a_4b_1XW + a_5b_1XZ + b_2W + b_3Z + a_0b_4W + a_1b_4XW + a_2b_4WW + a_3b_4ZW + a_4b_4XWW + a_5b_4XZW + a_0b_5Z + a_1b_5XZ + a_2b_5WZ + a_3b_5ZZ + a_4b_5XWZ + a_5b_5XZZ + c'X
整理为 Y = a + bX 的形式:

Y = (b_0 + a_0b_1 + a_2b_1W + a_3b_1Z + b_2W + b_3Z + a_0b_4W + a_2b_4WW + a_3b_4ZW + a_0b_5Z + a_2b_5WZ + a_3b_5ZZ) + (a_1b_1 + a_4b_1W + a_5b_1Z + a_1b_4W + a_4b_4WW + a_5b_4ZW + a_1b_5Z + a_4b_5WZ + a_5b_5ZZ + c')X

我们将方程整理成 Y = a + bX 的形式，其中a代表截距，包含了所有不含X的项；b代表X的总效应，包含了所有包含X的项。这样整理后，我们可以更清晰地看到X对Y的总影响。

数学公式5

模型方程:

Y = b_0 + b_1M + b_2W + b_3Z + b_4MW + b_5MZ + c'X

M = a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ
代入 M 的方程:

Y = b_0 + b_1(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ) + b_2W + b_3Z + b_4(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)W + b_5(a_0 + a_1X + a_2W + a_3Z + a_4XW + a_5XZ)Z + c'X
展开括号:

Y = b_0 + a_0b_1 + a_1b_1X + a_2b_1W + a_3b_1Z + a_4b_1XW + a_5b_1XZ + b_2W + b_3Z + a_0b_4W + a_1b_4XW + a_2b_4WW + a_3b_4ZW + a_4b_4XWW + a_5b_4XZW + a_0b_5Z + a_1b_5XZ + a_2b_5WZ + a_3b_5ZZ + a_4b_5XWZ + a_5b_5XZZ + c'X
整理为 Y = a + bX 的形式:

Y = (b_0 + a_0b_1 + a_2b_1W + a_3b_1Z + b_2W + b_3Z + a_0b_4W + a_2b_4WW + a_3b_4ZW + a_0b_5Z + a_2b_5WZ + a_3b_5ZZ) + (a_1b_1 + a_4b_1W + a_5b_1Z + a_1b_4W + a_4b_4WW + a_5b_4ZW + a_1b_5Z + a_4b_5WZ + a_5b_5ZZ + c')X
提取间接效应和直接效应:

条件间接效应: (a_1 + a_4W + a_5Z)(b_1 + b_4W + b_5Z)

直接效应: c'

最后，我们从整理后的方程中提取出X对Y的条件间接效应和直接效应。条件间接效应是括号里的两项相乘的结果，这个效应会随着调节变量W和Z的取值而变化。直接效应就是c’，表示X不通过中介变量M直接对Y产生的影响。

代码解读1

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;

大家好，首先我们来看一下这段代码的开头部分。这里用注释明确了各个变量的含义。X是预测变量，M是中介变量，W和Z是调节变量，Y是结果变量。USEVARIABLES这行代码则声明了模型中用到的所有变量，包括原始变量以及它们的交互项，例如XW表示X和W的乘积。

代码解读2

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;

接下来是DEFINE部分，这里定义了交互项的计算方式。MW等于M乘以W，MZ等于M乘以Z，XW等于X乘以W，XZ等于X乘以Z。这些交互项会在后续的模型分析中使用，来考察调节效应。

代码解读3

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;

然后是ANALYSIS部分，这里设置了分析的类型和方法。TYPE设为GENERAL表示使用一般分析类型，ESTIMATOR设为ML表示使用最大似然估计方法。BOOTSTRAP设为10000，表示使用10000次自举法来估计参数的标准误差，这是一种稳健的统计方法。

代码解读4

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);

接下来是MODEL部分，这里定义了具体的模型路径。方括号内表示截距，例如[Y]表示Y的截距为b0。Y ON M表示M对Y的回归系数为b1，以此类推。Y ON X(cdash) 表示X对Y的直接效应为cdash。这部分代码定义了所有变量之间的关系，包括直接效应和交互效应，以及X对M的效应，这是后续计算间接效应的基础。

代码解读5

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);
MODEL CONSTRAINT:
 NEW(LOW_W MED_W HIGH_W LOW_Z MED_Z HIGH_Z
 ILOW_LOZ IMEW_LOZ IHIW_LOZ ILOW_MEZ IMEW_MEZ IHIW_MEZ
 ILOW_HIZ IMEW_HIZ IHIW_HIZ
 TLOW_LOZ TMEW_LOZ THIW_LOZ TLOW_MEZ TMEW_MEZ THIW_MEZ
 TLOW_HIZ TMEW_HIZ THIW_HIZ);
 LOW_W = #LOWW;
 MED_W = #MEDW;
 HIGH_W = #HIGHW;
 LOW_Z = #LOWZ;
 MED_Z = #MEDZ;
 HIGH_Z = #HIGHZ;

然后是MODEL CONSTRAINT部分，这部分代码定义了如何计算条件间接效应和总效应。首先，使用NEW命令声明了一系列新的变量，这些变量用来存储调节变量的不同值，以及在这些值下的条件间接效应和总效应。接下来，LOW_W 等变量，会被替换为实际的调节变量的低，中，高值，例如，可以使用均值加减一个标准差的值。代码中的井号加字母的内容是需要替换的占位符，实际运行的时候需要替换为具体的数值。

代码解读6

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);
MODEL CONSTRAINT:
 NEW(LOW_W MED_W HIGH_W LOW_Z MED_Z HIGH_Z
 ILOW_LOZ IMEW_LOZ IHIW_LOZ ILOW_MEZ IMEW_MEZ IHIW_MEZ
 ILOW_HIZ IMEW_HIZ IHIW_HIZ
 TLOW_LOZ TMEW_LOZ THIW_LOZ TLOW_MEZ TMEW_MEZ THIW_MEZ
 TLOW_HIZ TMEW_HIZ THIW_HIZ);
 LOW_W = #LOWW;
 MED_W = #MEDW;
 HIGH_W = #HIGHW;
 LOW_Z = #LOWZ;
 MED_Z = #MEDZ;
 HIGH_Z = #HIGHZ;
 ILOW_LOZ = a1*b1 + a4*b1*LOW_W + a5*b1*LOW_Z + a1*b4*LOW_W +
 a4*b4*LOW_W*LOW_W + a5*b4*LOW_Z*LOW_W + a1*b5*LOW_Z +
 a4*b5*LOW_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IMEW_LOZ = a1*b1 + a4*b1*MED_W + a5*b1*LOW_Z + a1*b4*MED_W +
 a4*b4*MED_W*MED_W + a5*b4*LOW_Z*MED_W + a1*b5*LOW_Z +
 a4*b5*MED_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IHIW_LOZ = a1*b1 + a4*b1*HIGH_W + a5*b1*LOW_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*LOW_Z*HIGH_W + a1*b5*LOW_Z +
 a4*b5*HIGH_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 ...
 IHIW_HIZ = a1*b1 + a4*b1*HIGH_W + a5*b1*HIGH_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*HIGH_Z*HIGH_W + a1*b5*HIGH_Z +
 a4*b5*HIGH_W*HIGH_Z + a5*b5*HIGH_Z*HIGH_Z;

这里展示的是如何计算条件间接效应。例如，ILOW_LOZ表示当W和Z都取低值时的间接效应，其计算公式是基于模型路径系数推导出来的。后续代码使用类似的公式，计算不同调节变量组合下的间接效应。可以看到，公式中考虑了X到M的效应，M到Y的效应，以及交互项的影响。代码中省略了一部分公式，但都遵循相同的逻辑。

代码解读7

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);
MODEL CONSTRAINT:
 NEW(LOW_W MED_W HIGH_W LOW_Z MED_Z HIGH_Z
 ILOW_LOZ IMEW_LOZ IHIW_LOZ ILOW_MEZ IMEW_MEZ IHIW_MEZ
 ILOW_HIZ IMEW_HIZ IHIW_HIZ
 TLOW_LOZ TMEW_LOZ THIW_LOZ TLOW_MEZ TMEW_MEZ THIW_MEZ
 TLOW_HIZ TMEW_HIZ THIW_HIZ);
 LOW_W = #LOWW;
 MED_W = #MEDW;
 HIGH_W = #HIGHW;
 LOW_Z = #LOWZ;
 MED_Z = #MEDZ;
 HIGH_Z = #HIGHZ;
 ILOW_LOZ = a1*b1 + a4*b1*LOW_W + a5*b1*LOW_Z + a1*b4*LOW_W +
 a4*b4*LOW_W*LOW_W + a5*b4*LOW_Z*LOW_W + a1*b5*LOW_Z +
 a4*b5*LOW_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IMEW_LOZ = a1*b1 + a4*b1*MED_W + a5*b1*LOW_Z + a1*b4*MED_W +
 a4*b4*MED_W*MED_W + a5*b4*LOW_Z*MED_W + a1*b5*LOW_Z +
 a4*b5*MED_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IHIW_LOZ = a1*b1 + a4*b1*HIGH_W + a5*b1*LOW_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*LOW_Z*HIGH_W + a1*b5*LOW_Z +
 a4*b5*HIGH_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 ...
 IHIW_HIZ = a1*b1 + a4*b1*HIGH_W + a5*b1*HIGH_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*HIGH_Z*HIGH_W + a1*b5*HIGH_Z +
 a4*b5*HIGH_W*HIGH_Z + a5*b5*HIGH_Z*HIGH_Z;
TLOW_LOZ = ILOW_LOZ + cdash;
 TMEW_LOZ = IMEW_LOZ + cdash;
 THIW_LOZ = IHIW_LOZ + cdash;
 ...
 THIW_HIZ = IHIW_HIZ + cdash;

接下来，计算条件总效应。例如，TLOW_LOZ表示当W和Z都取低值时的总效应，它是通过将对应的条件间接效应(ILOW_LOZ)加上直接效应(cdash)得到的。总效应包含了通过中介变量的间接影响和不通过中介变量的直接影响。

代码解读8

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);
MODEL CONSTRAINT:
 NEW(LOW_W MED_W HIGH_W LOW_Z MED_Z HIGH_Z
 ILOW_LOZ IMEW_LOZ IHIW_LOZ ILOW_MEZ IMEW_MEZ IHIW_MEZ
 ILOW_HIZ IMEW_HIZ IHIW_HIZ
 TLOW_LOZ TMEW_LOZ THIW_LOZ TLOW_MEZ TMEW_MEZ THIW_MEZ
 TLOW_HIZ TMEW_HIZ THIW_HIZ);
 LOW_W = #LOWW;
 MED_W = #MEDW;
 HIGH_W = #HIGHW;
 LOW_Z = #LOWZ;
 MED_Z = #MEDZ;
 HIGH_Z = #HIGHZ;
 ILOW_LOZ = a1*b1 + a4*b1*LOW_W + a5*b1*LOW_Z + a1*b4*LOW_W +
 a4*b4*LOW_W*LOW_W + a5*b4*LOW_Z*LOW_W + a1*b5*LOW_Z +
 a4*b5*LOW_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IMEW_LOZ = a1*b1 + a4*b1*MED_W + a5*b1*LOW_Z + a1*b4*MED_W +
 a4*b4*MED_W*MED_W + a5*b4*LOW_Z*MED_W + a1*b5*LOW_Z +
 a4*b5*MED_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IHIW_LOZ = a1*b1 + a4*b1*HIGH_W + a5*b1*LOW_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*LOW_Z*HIGH_W + a1*b5*LOW_Z +
 a4*b5*HIGH_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 ...
 IHIW_HIZ = a1*b1 + a4*b1*HIGH_W + a5*b1*HIGH_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*HIGH_Z*HIGH_W + a1*b5*HIGH_Z +
 a4*b5*HIGH_W*HIGH_Z + a5*b5*HIGH_Z*HIGH_Z;
TLOW_LOZ = ILOW_LOZ + cdash;
 TMEW_LOZ = IMEW_LOZ + cdash;
 THIW_LOZ = IHIW_LOZ + cdash;
 ...
 THIW_HIZ = IHIW_HIZ + cdash;
PLOT(PLOW_LOZ PMEW_LOZ PHIW_LOZ PLOW_MEZ PMEW_MEZ PHIW_MEZ
 PLOW_HIZ PMEW_HIZ PHIW_HIZ);
 LOOP(XVAL,1,5,0.1);
 PLOW_LOZ = ILOW_LOZ*XVAL;
 PMEW_LOZ = IMEW_LOZ*XVAL;
 PHIW_LOZ = IHIW_LOZ*XVAL;
 ...
 PHIW_HIZ = IHIW_HIZ*XVAL;

最后，我们来看一下绘图部分。PLOT命令指定了要绘制的条件间接效应的变量。LOOP命令用于生成一系列X值，从1到5，步长为0.1。在循环内部，计算出在不同调节变量水平组合下，每个X值对应的间接效应。这些数据点会被用于绘制条件间接效应的图形。请注意，实际应用中需要根据X值的实际范围修改循环的起始和结束值。

代码解读9

! Predictor variable - X
! Mediator variable(s) – M
! Moderator variable(s) – W, Z
! Outcome variable - Y
USEVARIABLES = X M W Z Y XW XZ MW MZ;
DEFINE:

 MW = M*W;
 MZ = M*Z;
 XW = X*W;
 XZ = X*Z;
ANALYSIS:

 TYPE = GENERAL;
 ESTIMATOR = ML;
 BOOTSTRAP = 10000;
MODEL:

 [Y] (b0);
 Y ON M (b1);
 Y ON W (b2);
 Y ON Z (b3);
 Y ON MW (b4);
 Y ON MZ (b5);
 Y ON X(cdash);
 [M] (a0);
 M ON X (a1);
 M ON W (a2);
 M ON Z (a3);
 M ON XW (a4);
 M ON XZ (a5);
MODEL CONSTRAINT:
 NEW(LOW_W MED_W HIGH_W LOW_Z MED_Z HIGH_Z
 ILOW_LOZ IMEW_LOZ IHIW_LOZ ILOW_MEZ IMEW_MEZ IHIW_MEZ
 ILOW_HIZ IMEW_HIZ IHIW_HIZ
 TLOW_LOZ TMEW_LOZ THIW_LOZ TLOW_MEZ TMEW_MEZ THIW_MEZ
 TLOW_HIZ TMEW_HIZ THIW_HIZ);
 LOW_W = #LOWW;
 MED_W = #MEDW;
 HIGH_W = #HIGHW;
 LOW_Z = #LOWZ;
 MED_Z = #MEDZ;
 HIGH_Z = #HIGHZ;
 ILOW_LOZ = a1*b1 + a4*b1*LOW_W + a5*b1*LOW_Z + a1*b4*LOW_W +
 a4*b4*LOW_W*LOW_W + a5*b4*LOW_Z*LOW_W + a1*b5*LOW_Z +
 a4*b5*LOW_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IMEW_LOZ = a1*b1 + a4*b1*MED_W + a5*b1*LOW_Z + a1*b4*MED_W +
 a4*b4*MED_W*MED_W + a5*b4*LOW_Z*MED_W + a1*b5*LOW_Z +
 a4*b5*MED_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 IHIW_LOZ = a1*b1 + a4*b1*HIGH_W + a5*b1*LOW_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*LOW_Z*HIGH_W + a1*b5*LOW_Z +
 a4*b5*HIGH_W*LOW_Z + a5*b5*LOW_Z*LOW_Z;
 ...
 IHIW_HIZ = a1*b1 + a4*b1*HIGH_W + a5*b1*HIGH_Z + a1*b4*HIGH_W +
 a4*b4*HIGH_W*HIGH_W + a5*b4*HIGH_Z*HIGH_W + a1*b5*HIGH_Z +
 a4*b5*HIGH_W*HIGH_Z + a5*b5*HIGH_Z*HIGH_Z;
TLOW_LOZ = ILOW_LOZ + cdash;
 TMEW_LOZ = IMEW_LOZ + cdash;
 THIW_LOZ = IHIW_LOZ + cdash;
 ...
 THIW_HIZ = IHIW_HIZ + cdash;
PLOT(PLOW_LOZ PMEW_LOZ PHIW_LOZ PLOW_MEZ PMEW_MEZ PHIW_MEZ
 PLOW_HIZ PMEW_HIZ PHIW_HIZ);
 LOOP(XVAL,1,5,0.1);
 PLOW_LOZ = ILOW_LOZ*XVAL;
 PMEW_LOZ = IMEW_LOZ*XVAL;
 PHIW_LOZ = IHIW_LOZ*XVAL;
 ...
 PHIW_HIZ = IHIW_HIZ*XVAL;
PLOT:

 TYPE = plot2;
OUTPUT:

 STAND CINT(bcbootstrap);

最后，PLOT部分设置了绘图类型为plot2。OUTPUT部分则指定输出标准化系数，以及使用偏差校正自举法计算置信区间。这确保了我们输出的结果不仅有参数估计值，还有其标准误差和置信区间，方便我们进行统计推断。这样，整个代码就完整地定义了一个复杂的调节中介模型，并进行了分析。

资源汇总

• 本视频讲义地址: https://mlln.cn/mplus-model-templates/model75.html
• 图书《MPlus中介调节模型》打包下载: 点击下载
• 图书《MPlus中介调节模型》在线看: 点击查看
• 视频教程: 点击这里打开视频
• Mplus 模型模板教程列表: https://mlln.cn/mplus-model-templates
• 统计咨询: https://wx.zsxq.com/group/88888188828842

感谢大家的收看！ 本节课的资源已全部提供，请大家点击页面上的链接下载或查看。 希望这份资料对大家的学习有所帮助，也欢迎大家点赞收藏，方便日后查阅！