用Amos做主客体互倚中介模型（APIMeM）全攻略
用Amos做主客体互倚中介模型（APIMeM）全攻略
主客体互倚中介模型（APIMeM）是一种专门用于分析成对数据（如夫妻关系、护患关系等）的统计学方法。本文将详细介绍如何使用Amos软件构建APIMeM模型，包括理论基础、具体操作步骤和结果解读，帮助研究者更好地理解和应用这一方法。
一、主客体互倚理论知识
人际关系中包含很多成对出现的关系，如夫妻关系、护患关系、上下级关系、舞伴关系等等。这类数据的特点是研究者想研究的个体不是单纯地独立性数据，其研究对象可能受成对关系中另一个体的影响，呈现出非独立性。例如我们在研究患者焦虑对婚姻质量的影响时，其配偶的焦虑也有可能彼此影响。此时如果继续按照传统方法进行研究，则会加大测量误差。而主客体互倚模型（Actor-Partner Interdependence Mode,APIM）则是解决此类成对数据的新兴方法。模型图如下
主客体互倚模型只能研究成对数据中预测变量（X）对结局变量的关系（Y），如果想研究中介变量（M）在两者之间的关系，则需在此基础上进行改良，形成了主客体互倚中介模型（Actor-Partner Interdependence Mode extended to Mediation，APIMeM）。其中，主体效应是指自身变量（X或M）对自身因变量的影响；客体效应是指伴侣变量（X或M）对自身因变量的影响。模型图如下
二、准备步骤
1、样本量计算问题
了解了APIMeM的基础知识，我们在开展调查之前要计算所需的样本量。APIMeM的样本量计算，不同于以往横截面数据的样本量计算，理论的作者专门提供了APIMeM样本量计算网站：https://robert-a-ackerman.shinyapps.io/apimpower/
第一步：选择计算类型。我们依据期望Power计算样本量，数据类型可选择可区分的数据或者不可区分的数据。我尝试了一下，设置同样的参数，可区分成对数据的样本量要求要高于不可区分的成对数据。因此为了保险起见，我们可以先假设为可区分的数据（如果成对数据有明显的区分变量如性别，先按可区分的数据类型计算），后期我们会进行可区分性检验来验证。
第二步：设置效应量计算类型，默认Beta即可。
第三步：设置显著性水平，默认0.05即可。
第四步：设置期望Power、效应量、相关性及误差等
一般统计功效Power以0.8以上，效应量为0.2以上，其余默认即可。点击计算
2、共同方法偏差检验
共同方法偏差常常在使用相同的测量方法对不同的研究对象进行研究时出现。例如，在一项研究中使用调查问卷的方法来研究不同年龄段的人的消费习惯。如果问卷的语言或提问方式不适合某些年龄段的人，那么这些人的回答可能会受到影响，导致研究结果的偏差。因此我们通过量表分析主客体互倚之前，往往会进行共同方法偏差检验。其实大部分基于量表的研究，都会在收集数据后进行共同方法检验。
比较简单的一种方法是Harman单因子法，即将成对数据所有的量表题项放入到一个探索性因子分析模型中，判断最大因子解释变异量，一般<40％认为不存在共同方法偏差。此种方法现以不推荐使用，但论文中还多以此方法为主。
其他方法还有验证性因子分析、双因子法等。具体操作不再赘述，可自行搜索学习。关于共同方法的具体知识，可参考此篇论文：
周浩,龙立荣.共同方法偏差的统计检验与控制方法[J].心理科学进展,2004(06):942-950.
3、成对数据的可区分性检验
此步骤较为重要，因为可区分数据与不可区分数据，最后的结果报告格式不一样。可区分的成对数据会以以下格式汇报：
不可区分的成对数据，会以以下格式汇报：
第一步：构建饱和模型，即构建APIMeM
第二步：构建主体效应与客体效应相等的限定模型
即令APIMeM模型图中的a1=a2、ap1=ap2、b1=b2、bp1=bp2、c1=c2、cp1=cp2.
计算饱和模型与限定模型两个模型的卡方值之差，显著性水平P>0.2则认为两个模型无差异，数据为不可区分成对数据，否则为可区分成对数据。
Amos具体操作见APIMeM构建部分，本部分的相关知识可参考以下论文：
邱佳玲,李锦粤,范潇茹,等.基于主客体互依中介模型分析成对数据中的中介效应[ J ].中国卫生统计, 2021,38(5):679－682.
4、成对数据的模式检验（K检验）
可以根据研究者的需要，进行成对模式检验。成对模式是指在主客体互倚模型中，主体效应和客体效应哪一种效应起的作用更大。一般分为主体模式、客体模式、对偶模式和对比模式四种。
成对模式的检验是利用K值衡量，K为客体效应与主体效应的比值。Amos中是通过设置幽灵变量直接进行估计。由于主客体互倚中介模型的成对模式检验较为复杂，需要设置多个幽灵变量进行估计，此部分内容就省略了。后续有时间了再把这个坑补上。
相关知识的学习可参考此篇文献：
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
三、Amos构建APIMeM模型
1、画模型图
利用Amos画出APIMeM的模型图
定义各路径系数（双击路径系数，然后按下图分别定义，参考理论知识部分的模型图路径系数名称）
2、导入数据
按下图步骤导入数据
3、变量赋值
点击变量按钮，将研究的变量拖拽到相应位置上
4、编写中介效应语句
此处语句是假设成对数据为可区分数据，公式是按照可区分结果计算的。后面我们构建有限定的模型后，若检验的为不可区分数据，此部分语句可重新修改为不可区分的公式。
5、新建限定模型
创建一个新模型，设置限定语句，用于判断成对数据的可区分性
6、模型计算
红框左边按钮设置参数计算方法、结果输出等选项，一般全选，结果输出选上标准化结果。然后点击红框计算后，几秒钟就出结果了。
四、结果解读
1、模型比较
点击结果按钮，会出很多结果报告。先看饱和模型与限定模型的比较，判断数据的可区分性。两个模型的卡方值之差CMIN=38.411,P=0.000<0.2，故成对数据为可区分数据
2、模型评估
都是结构方程的一些常用评估指标：卡方/df、GFI、CFI、TLI等。判断依据可以自行搜索学习
3、路径系数
模型图里会展示非标准化和标准化系数，点击左上角结果按钮，会出现各路径系数。展示的数据有用，故打码了，望见谅。
4、效应量检验
找到自己编写的中介效应语句结果，就可以根据95%CI的上限和下限是否包含0和P值判断，哪条中介效应的路径显著了。
5、结果报告
我们就可以用可区分成对数据的格式汇报结果并讨论了。
写在最后
本人水平有限，此内容也是在自己学习的过程中总结下来以供大家共同探讨学习，文中不免有错误之处，欢迎大佬们批评指正。关于Amos的具体操作，写的比较简略，是因为默认大家已有Amos基础，更注重的是利用APIMeM模型写论文的详细流程。具体Amos操作基础，不熟悉的童鞋可自行搜索学习，网上有很多视频教程。