AMOS—从零开始构建中介模型，Amos实战指南
1. 认识Amos与中介模型
第一次接触Amos时，我也被它强大的功能和略显复杂的界面吓到过。但用久了就会发现，它其实是做结构方程模型（SEM）最顺手的工具之一。中介模型作为SEM中的经典应用场景，特别适合用来检验"X是否通过M影响Y"这类研究假设。比如我们想验证"工作压力通过焦虑情绪影响睡眠质量"，就需要用到中介分析。
Amos最大的优势是可视化建模——你只需要像画流程图一样拖拽变量、连接路径，软件就会自动转换成数学模型。这对不擅长编程的研究者特别友好。我刚开始写论文时，用Amos跑中介模型比用R的lavaan包节省了近70%的时间。不过要注意，Amos对数据格式有严格要求，建议先用SPSS整理好数据再导入。
2. 模型构建与路径图绘制
2.1 准备工作
打开Amos Graphics界面，你会看到一个空白画布。建议先准备好三样东西：
- 研究假设的书面表述（如"社交媒体使用通过比较心理影响抑郁水平"）
- 所有变量的名称列表（英文更兼容）
- 测量模型示意图（每个潜变量对应哪些观测指标）
我习惯先用纸笔画草图，确定要包含哪些变量。比如做简单中介模型至少需要：
- 自变量（X）
- 中介变量（M）
- 因变量（Y）
- 各变量的残差项（重要！新手常漏画）
2.2 绘制路径图
点击左侧工具栏的椭圆形工具画潜变量，矩形工具画观测变量。以经典的"压力-焦虑-睡眠"模型为例：
- 画三个椭圆形分别代表压力、焦虑、睡眠
- 用单箭头工具从压力指向焦虑，再从焦虑指向睡眠
- 右键点击焦虑和睡眠变量，选择"Add Unique Variable"添加残差项
易错点提醒：
- 所有被指向的变量都必须有残差项（包括中介变量和因变量）
- 自变量不需要残差，但若有多自变量需画双箭头表示相关
- 潜变量需要有至少两个观测指标（用矩形表示）
3. 数据导入与变量匹配
3.1 准备数据文件
Amos支持直接读取SPSS的.sav文件，这是最稳妥的方式。我用Excel文件时遇到过字符编码问题，建议：
- 变量名用英文无空格
- 删除所有特殊字符
- 缺失值统一用系统缺失值（.）标记
点击菜单栏"File > Data Files"，选择你的数据文件。成功导入后，变量列表会显示在右侧面板。
3.2 变量匹配
把画布上的变量与数据列关联起来：
- 右键点击画布上的观测变量（矩形）
- 选择"Assign Data"
- 在弹出窗口选择对应的数据列
实用技巧：
- 可以批量拖拽变量名到画布上自动创建观测变量
- 遇到"变量未定义"错误时，检查变量名是否完全匹配（区分大小写）
- 若使用潜变量，需先匹配所有观测指标才能继续
4. 分析设置与结果解读
4.1 关键参数配置
点击"Analysis Properties"设置核心参数：
- Output标签：勾选"Standardized estimates"（标准化系数更易解释）
- Bootstrap标签：勾选"Bias-corrected confidence intervals"并设1000次抽样（中介效应检验必备）
我强烈建议做Bootstrap抽样，因为传统Sobel检验力较低。设置2000次抽样结果会更稳定，但耗时较长，新手用1000次即可。
4.2 运行模型
点击红色"Calculate Estimates"按钮开始计算。遇到模型识别问题时：
- 检查是否每个潜变量有至少两个指标
- 确认没有漏画残差项
- 查看"Notes for Model"中的具体提示
4.3 结果解读
主要看三部分输出：
- 模型拟合指标：
- CMIN/DF < 3
- CFI > 0.9
- RMSEA < 0.08
- 路径系数：
- 压力→焦虑的系数（路径a）
- 焦虑→睡眠的系数（路径b）
- 中介效应：
- Bootstrap输出的95%置信区间不包含0即显著
我有个学生曾犯的典型错误——只关注a*b乘积项的显著性，却忽略了直接路径c'是否显著（完全中介vs部分中介）。建议用以下标准判断：
- 若c'不显著：完全中介
- 若c'显著但减小：部分中介
- 若c'不变：无中介效应
5. 常见问题排查
5.1 模型无法识别
上周刚帮同事解决过这个问题，通常是以下原因：
- 样本量不足（建议至少200）
- 潜变量指标太少（每个潜变量需≥2个观测指标）
- 漏画残差项（特别是中介变量和因变量）
快速检查法：
- 点击"View > Text Output"
- 查看"Notes for Model"部分
- 根据提示的"XX is unidentified"定位问题变量
5.2 拟合指标不理想
遇到CFI<0.9或RMSEA>0.1时，可以尝试：
- 检查测量模型：用"Model Fit"中的修正指数（MI）找出需要添加的路径
- 考虑测量误差相关：同一量表的题目间可能共享方法变异
- 删除低负荷量指标（λ<0.5的题目）
注意：不要单纯追求拟合优度而过度修改模型，每次调整都应有理论依据。我曾见过有人为了提升拟合度乱加路径，结果模型无法解释。
5.3 Bootstrap报错
如果Bootstrap结果异常，建议：
- 检查数据正态性（Amos对非正态数据较敏感）
- 尝试改用Bollen-Stine bootstrap
- 增加抽样次数到2000
- 检查是否有极端值影响
6. 进阶技巧与实战建议
6.1 多重中介分析
当模型有多个中介变量时（如压力同时通过焦虑和饮食影响睡眠）：
- 在路径图中添加新的中介路径
- 设置"Estimate means and intercepts"（比较中介效应大小需要）
- 在Bootstrap中勾选"Indirect effects"
结果解读技巧：
- 用"Contrast"功能比较不同中介路径的效应量差异
- 注意控制变量间的共线性问题
6.2 调节效应分析
如果需要检验"性别是否调节压力与焦虑的关系"：
- 在数据文件中创建交互项（压力×性别）
- 在路径图中添加交互项到目标路径
- 使用"Group Analysis"功能做多组比较
避坑指南：
- 连续变量做调节项时务必中心化
- 分类变量需要设置虚拟变量
- 交互效应显著后一定要做简单斜率分析
6.3 数据预处理
Amos对数据质量要求较高，建议分析前：
- 处理缺失值（我用多重插补法效果最好）
- 检验多元正态性（Mardia系数<5较理想）
- 检查共同方法偏差（Harman单因子检验）
有次我分析的数据出现奇异矩阵错误，后来发现是两题项相关性高达0.9。解决方案要么删除一题，要么设定误差项相关。