模型包含1个自变量，1个调节变量，1个因变量，全部都是潜在变量，采用李克特7点量纲进行测量
用潜变量交互效应结构方程: 分布分析方法*温忠麟1，吴艳2，侯杰泰3介绍的潜调节结构方程( LMS)方法，代码如下：
Mplus 程序代码：
TITLE: LMS Model for the Example
DATA: FILE is ex． dat; ! 读入文本格式数据
VAＲIABLE: NAMES are
x1 x2 x3 x4 x5 x6 x7 y1 y2 y3; ! 数据文件中的变量顺序
USEVAＲIABLES are
y1 y2 y3 x1 x2 x3 x4 x5 x6 x7; ! 实际使用的变量顺序
ANALYSIS: TYPE = ＲANDOM;
ALGOＲITHM = INTEGＲATION; ! 使用LMS 方法时都保留这两行分析类型和算法
MODEL:
! specification of the measurement model
eta by y1 － y3; ! eta( 即η) 的测量模型
kxi1 by x1 － x3; ! kxi1( 即ξ1
) 的测量模型
kxi2 by x4 － x7; ! kxi2( 即ξ2
) 的测量模型
! definition of the latent product variable
int | kxi1 XWITH kxi2; ! 定义kxi1 与kxi2( 即ξ1ξ2
) 的乘积为int
! specification of the structural model
eta on kxi1 kxi2 int; ! 包含主效应项kxi1、kxi2 和交互项int 的结构模型



得到调节效应的非标准化估计值
然后就是最头疼的绘图问题：论坛和网上介绍的都是显变量的方法，总结起来有以下几种：
1.用自变量，调节变量，交互项做一般线性回归得到非标准化的参数值，并结合自变量和调节变量的均值和标准差做图，通过这个网页的Excel表格输入对应的值就可以直接得到图，简单快捷！傻瓜式操作。
http://www.jeremydawson.co.uk/slopes.htm


2.对自变量和调节变量根据均值加减一个标准差得到四组，跑SPSS的单变量一般线性模型，直接出图，更加傻瓜便捷
步骤如此图：

但是，以上绘图方法都基于自变量，调节变量，因变量都是显变量，那么潜在变量交互的图怎么化？
如果是通过回归或均值把潜变量转化为显变量，这中间的具体步骤是怎么样的？中心化的问题怎么解决？总觉得化潜为显的方法不是很科学