前面介绍了成对数据与主客体互倚模型（APIM）的基本实现思路：一种非常棒的研究思路，推荐给大家
但是问题来了，很多朋友看完文章后发现自己还是不会做这种模型，那么到底如何做呢？答：Mplus解君愁。
其实主客体互倚模型的原理很简单，所以我们可以比较轻松地利用Mplus软件搞定它，当然了，R和SPSS也是可以做的，这是后话了。
本次，笔者就以一份SCI文献数据为例，演示下如何建立一个简单的双变量APIM模型，以及如何做可区分性验证、特殊模式检验，等等。
一、基础模型
数据来自下面这份研究，这份研究发表在一区期刊上，质量还是不错的：
老实说我也没太整明白这份数据的具体含义，只是依葫芦画瓢使用其中的两对变量，有兴趣的同学可以去精读全文。
话不多说，先搬出来上次文章中的模型图，可以看到基础模型真的很容易，就是多个回归方程。由于演示数据也是用性别区分研究对象的，所以依然属于可区分数据，于是可以这样写。
TITLE:双变量-APIM 区分性验证-可区分DATA:File is PPK_Jealousy_Partner_MPlus.txt;VARIABLE:NAMES AREPHO_M x1 KAT_M J_COGN_M J_EMOT_M y1PHO_F x2 KAT_F J_COGN_F J_EMOT_F y2PHOP_M PHIP_M KATP_M PHOP_F PHIP_F KATP_F ;USEVARIABLES = x1 x2 y1 y2;ANALYSIS:estimator = ml;bootstrap = 5000;MODEL:y1 ON x1(a1); !actor effecty1 ON x2(p1); !partner effecty2 ON x2(a2); !actor effecty2 ON x1(p2); !partner effectx1 WITH x2;y1 WITH y2;OUTPUT: cinterval(bootstrap);stand;
上述代码与模型图中标记不完全一致，其中a1、a2是主体效应；p1、p2是客体效应。a是actor的缩写，p是partner的缩写。
由于是饱和模型，拟合指标这块没有太大意义：
主要是看看MODEL RESULTS部分：
以0.05的检验水准来看，很多不显著的，当然也可以看标准化输出结果，这里就不展示了。最直观的就是看看mplus自己画的模型图（非标准化）：
简化一下，一目了然：
二、简化模型（可区分性验证）
从前文学习中，我们知道即便是从理论上可分的成对数据，也可以从统计角度去检验下，我们也来试试，思路很简单，分别限制主体、客体效应相等即可：
TITLE:区分性验证-不可区分-设定主客体分别相等DATA:File is PPK_Jealousy_Partner_MPlus.txt;VARIABLE:NAMES AREPHO_M x1 KAT_M J_COGN_M J_EMOT_M y1PHO_F x2 KAT_F J_COGN_F J_EMOT_F y2PHOP_M PHIP_M KATP_M PHOP_F PHIP_F KATP_F ;USEVARIABLES = x1 x2 y1 y2;ANALYSIS:estimator = ml;bootstrap = 5000;MODEL:y1 ON x1(1); !actor effecty1 ON x2(2); !partner effecty2 ON x2(1); !actor effecty2 ON x1(2); !partner effectx1 WITH x2;y1 WITH y2;OUTPUT: cinterval(bootstrap);stand;
这里就需要看卡方检验的结果了，这里说明的是限制系数相等后的模型与原饱和模型相比是否有显著差异，不显著的话可以认为该数据不可区分。
下面的结果明显是显著的，说明数据是可以区分的。值得一提的是，很多学者、博主推荐采用0.2为检验水准，而不是0.05，大家可以参考参考。
三、验证模型是否具备几种特殊模式
还记得有几种特殊的成对模式吗？搬来上期的配图，对比着看看：
这里就困扰我了，根据我们在上期所学到的知识，我们可以通过检验k值的区间来判断。但我在根据文献中介绍的理论去实现它时（尤其是设置幽灵变量）遇到了麻烦，于是后面我就干脆不设置幽灵变量了，直接通过k的定义用bootstrap来验证。似乎也成功了，但是我不敢保证。（如果有机会的话，我们以后再聊这块）
本次，先分享一种不通过k值来检验的方式（参考了荷兰统计联盟老师的思路，万分感谢），以主体模式为例：
TITLE:双变量-APIM-可区分-模式检验DATA:File is PPK_Jealousy_Partner_MPlus.txt;VARIABLE:NAMES AREPHO_M x1 KAT_M J_COGN_M J_EMOT_M y1PHO_F x2 KAT_F J_COGN_F J_EMOT_F y2PHOP_M PHIP_M KATP_M PHOP_F PHIP_F KATP_F ;USEVARIABLES = x1 x2 y1 y2;ANALYSIS:estimator = ml;bootstrap = 5000;MODEL:y1 ON x1(a1); !actor effecty1 ON x2(p1); !partner effecty2 ON x2(a2); !actor effecty2 ON x1(p2); !partner effectx1 WITH x2;y1 WITH y2;model constraint:!主体模式,p=0.1147p1 = 0;p2 = 0;!客体模式!a1 = 0;!a2 = 0;!对偶模式!a1 = p1;!a2 = p2;!对比模式!a1 = -p1;!a2 = -p2;OUTPUT: cinterval(bootstrap);stand;
其实4种模式的检验代码都写出来了，不过我把其他的注释掉了，只保留了对主体模式的检验，根据定义，主体模式表示客体效应为0，主体效应不为0，所以可以设置p1 = 0;p2 = 0；
那么，结果如何看? 还是一样的，看卡方值：
接下来就是挨个儿检验了，简单展示下结果。
好了，实操还是比较简单的，但关键在于吃透这类研究模式的原理。值得说明的是，笔者对此方面的文献看的不是特别的多，所以很多时候受到了一些关键文献的影响，如果这类文献本身对APIM的解释或者认知是错误的，或者不完整的，那么本文可能也存有错误或者不完整之处，这点还请各位老师和同学体谅，注意甄别。
Ok，大家如果凭此文发了好文章，也不要忘了笔者啊。哈哈，开个玩笑。我们下期再见！
参考文献：
[1]夏艳雨,李丹,马艳歌,等.高中生父母婚姻冲突、焦虑与教养方式：主客体互倚调节模型[J].心理发展与教育,2024,40(03):335-345.DOI:10.16187/j.cnki.issn1001-4918.2024.03.04.
[2]刘畅,伍新春. 主客体互倚性的成对模式及其检验[J]. 心理发展与教育,2017,33(1):105-112. DOI:10.16187/j.cnki.issn1001-4918.2017.01.12.
[3]Brauer K, Sendatzki R, Proyer RT. Testing the associations between dispositions toward ridicule and being laughed at and romantic jealousy in couples: An APIM analysis. J Pers. 2021 Oct;89(5):883-898. doi: 10.1111/jopy.12621. Epub 2021 Feb 17. PMID: 33550593.
封面与正文图片均来源于上述参考文献，仅供学习分享使用，不做任何商业用途，如有侵权，请联系我们删除，谢谢。
小提醒：如果你在科研学习中遇到了疑问，恰好也想跟网友们交流，可以加入我们建立的“护理科研交流群”。这是一个完全自由、开放、免费、没有套路的纯交流群。入群方式：私信发送关键词“加群”。
