保姆级教程：用Mplus 8.3跑通你的第一个链式中介模型（附完整代码与数据）
从零到一：Mplus链式中介模型实战指南
第一次打开Mplus软件时，那些密密麻麻的语法命令确实让人望而生畏。记得我读研时为了跑通第一个中介模型，整整折腾了两周——不是数据格式不对，就是语法报错，最崩溃的是好不容易运行成功却看不懂输出结果。本文将用最直白的语言，带您避开所有我曾经踩过的坑，用心理学实证研究案例手把手教您完成链式中介模型分析。
1. 准备工作：数据与软件环境搭建
在开始写第一行Mplus语法前，需要做好三项基础准备。首先确保您安装的是Mplus 8.3或更新版本，这个版本开始支持更稳定的Bootstrap中介效应检验。安装时注意勾选"Add Mplus to system PATH"选项，这样可以直接在命令提示符调用Mplus。
数据准备是新手最容易出错的地方。Mplus要求数据文件为纯文本格式（.dat），变量间用空格或制表符分隔。假设我们研究"工作压力（X）→情绪耗竭（M1）→组织承诺（M2）→离职倾向（Y）"的链式中介效应，数据应该按以下顺序排列：
X M1 M2 Y 3 2.5 4.1 2.8 5 4.2 3.9 4.5 ...提示：建议先用SPSS或Excel整理数据，确保没有非数字字符，缺失值统一用特定数值标记（如99）
推荐的文件管理结构：
/project_folder ├── /data │ ├── mediation.dat # 原始数据 ├── /output # 结果文件 ├── mediation.inp # Mplus语法文件2. 语法逐行解析：显变量模型实现
打开记事本新建文件，保存为.inp扩展名。以下是完整的链式中介语法模板，我们以心理学研究为例逐段解析：
TITLE: 工作压力对离职倾向的影响机制; DATA: FILE IS data/mediation.dat; VARIABLE: NAMES ARE X M1 M2 Y; ! 对应工作压力、情绪耗竭、组织承诺、离职倾向 MISSING=ALL(99); ! 声明缺失值编码 USEVARIABLES=X M1 M2 Y; ANALYSIS: BOOTSTRAP=2000; ! Bootstrap抽样次数 ESTIMATOR=ML; ! 最大似然估计 MODEL: ! 路径关系设定 M1 ON X (a1); ! X→M1路径命名为a1 M2 ON X (a2) M1 (d); ! X→M2和M1→M2路径 Y ON X (cdash) M1 (b1) M2 (b2); ! 直接效应和中介路径 ! 效应量计算 MODEL CONSTRAINT: NEW(ind1 ind2 ind3 total_ind total); ind1 = a1*b1; ! X→M1→Y效应 ind2 = a2*b2; ! X→M2→Y效应 ind3 = a1*d*b2; ! X→M1→M2→Y效应 total_ind = ind1+ind2+ind3; ! 总间接效应 total = total_ind + cdash; ! 总效应 OUTPUT: SAMPSTAT STDYX CINTERVAL; PLOT: TYPE=PLOT2; ! 生成路径图关键参数说明：
| 参数项 | 推荐设置 | 注意事项 |
|---|---|---|
| BOOTSTRAP | 2000次 | 文献常用1000-5000次 |
| ESTIMATOR | ML/MLR | 非正态数据用MLR |
| STDYX | 必选 | 输出标准化系数 |
| CINTERVAL | 推荐 | 显示95%置信区间 |
注意：如果数据存在非正态分布（偏度>2），应将ESTIMATOR改为MLR，但此时不能使用BOOTSTRAP，需改用贝叶斯估计
3. 结果解读：从输出文件到结论表述
运行后会生成.out文件，重点查看以下部分：
3.1 模型拟合指标虽然显变量模型是饱和模型，但仍需检查以下关键指标：
MODEL FIT INFORMATION Chi-Square Test of Model Fit 0.000 CFI/TLI 1.000 RMSEA 0.000 SRMR 0.0003.2 路径系数与显著性在"MODEL RESULTS"部分找到标准化估计值（STDYX Standardization）：
M1 ON X 0.423*** ! 工作压力→情绪耗竭 M2 ON X 0.198* ! 工作压力→组织承诺 M2 ON M1 0.357*** ! 情绪耗竭→组织承诺 Y ON M1 0.312** ! 情绪耗竭→离职倾向 Y ON M2 -0.406*** ! 组织承诺→离职倾向3.3 中介效应检验滚动到"MODEL CONSTRAINT"部分：
ind1 0.132* ! X→M1→Y效应 ind2 -0.080 ! X→M2→Y效应(不显著) ind3 0.061* ! X→M1→M2→Y效应 total_ind 0.113* ! 总间接效应显著用三线表呈现结果：
| 路径 | 效应值 | 95% CI | 显著性 |
|---|---|---|---|
| X→M1→Y | 0.132 | [0.045, 0.219] | * |
| X→M2→Y | -0.080 | [-0.172,0.012] | ns |
| X→M1→M2→Y | 0.061 | [0.018, 0.104] | * |
| 总间接效应 | 0.113 | [0.042, 0.184] | * |
| 直接效应(X→Y) | 0.104 | [-0.033,0.241] | ns |
4. 常见报错与解决方案
错误1：DATA FILE不存在
*** ERROR in DATA command File could not be opened for reading解决方法：
- 检查文件路径是否正确（建议使用相对路径）
- 确保.dat文件没有被其他程序占用
错误2：变量未定义
*** ERROR in VARIABLE command The following variable was not defined in the USEVARIABLES list解决方法：
- 检查USEVARIABLES是否包含所有使用的变量
- 确认变量名没有拼写错误
错误3：Bootstrap与MLR冲突
*** ERROR in ANALYSIS command BOOTSTRAP and ESTIMATOR=MLR cannot be used together解决方法：
- 改用ESTIMATOR=ML
- 或改用BAYES估计
错误4：模型非正定
*** WARNING in ANALYSIS command The model estimation terminated normally but...解决方法：
- 检查变量间是否存在完全共线性
- 增加样本量（链式中介建议N≥200）
- 尝试项目打包（潜变量模型）
5. 进阶技巧与效度验证
完成基础分析后，建议进行以下 robustness check：
5.1 效应量对比在MODEL CONSTRAINT部分添加：
NEW(contrast); contrast = ind1 - ind3; ! 比较两条中介路径差异5.2 跨组比较例如按性别分组分析：
GROUPING = gender (1=male 2=female); ANALYSIS: TYPE = MIXTURE;5.3 敏感性分析
- 更换估计方法（ML→Bayes）
- 调整Bootstrap次数（2000→5000）
- 使用不同缺失值处理方法
最终报告时应包括：
- 路径系数图（用Mplus PLOT或PPT绘制）
- 效应量分解表
- 模型拟合指标
- Bootstrap置信区间
- 敏感性分析结果
记得保存所有语法文件和输出结果，方便后续修改和复现分析。当您第一次完整跑通这个流程，会发现Mplus其实比SPSS的Process插件更灵活强大——特别是处理复杂模型时。