这可能应该迁移到 StackOverflow，因为它是关于软件的，但是：

您可以在 R 包中执行此操作lavaan。在您的模型中，您将首先为M1、M2和指定模型Y。我们也希望标记所有路径。我将c'标记为cp，对于“c-prime”：

M1 ~ a1 * X
M2 ~ a2 * X + d21 * M1
Y ~  cp * X + b1  * M1 + b2 * M2

根据 Hayes 的说法，间接影响ind_eff随后被定义为a1 * d21 * b2：

ind_eff := a1 * d21 * b2

你需要把这一切都放在一个字符串对象中：

model <- "
  M1 ~ a1 * X
  M2 ~ a2 * X + d21 * M1
  Y ~  cp * X + b1  * M1 + b2 * M2
  ind_eff := a1 * d21 * b2
"

然后，您只需使用自举置信区间运行模型即可获得间接效应的置信区间 ( ind_eff)：

fit <- lavaan::sem(model = model, data = dat, se = "boot", bootstrap = 5000)

dat您的数据框的名称在哪里，并且5000是您想要执行的引导重新采样的数量（这可能需要几分钟）。

要查看您的结果，您可以致电：

lavaan::parameterEstimates(fit, boot.ci.type = "bca.simple")