交叉滞后分析（示例：FTP → 睡眠拖延，模拟第二波）
方法说明
交叉滞后面板模型 (CLPM)，两波双向预测（控制自回归 + Wave 1 相关）
数据来源
数据文件：/tmp/demo_clpm_vri0177e/data_clpm.csv（用同份数据 + 上述方法可复现结果）
模型设定
下表为本次分析实际使用的设定（由分析程序自动原样列出，非 AI 转述）。解读数字前请先核对设定与你的研究假设一致——尤其路径方向与变量角色；质量门控只检查统计前提，发现不了「设定对不对」。
| 设定项 | 内容 |
|---|---|
| 自变量 X（波1 → 波2） | FTP条目均分 → FTP_W2 |
| 因变量 Y（波1 → 波2） | SP条目均分 → SP_W2 |
模型
交叉滞后面板模型：检验 FTP条目均分 → SP_W2 与 SP条目均分 → FTP_W2 的双向预测关系（控制自回归路径与 Wave 1 相关）。样本量 n=584。
路径系数（标准化 β）
| 路径 | β | p | 显著性 |
|---|---|---|---|
| FTP条目均分 → SP_W2 | -0.043 | 0.24 | 不显著 |
| SP条目均分 → FTP_W2 | -0.016 | 0.547 | 不显著 |
| FTP条目均分 → FTP_W2 | 0.796 | < .001 *** | 显著 |
| SP条目均分 → SP_W2 | 0.525 | < .001 *** | 显著 |
交叉滞后路径（前两行）显著说明存在跨时间预测关系；双向均显著时结合系数大小判断主导方向。
模型附加指标
| 指标 | 值 |
|---|---|
| R²（Y 波2） | 0.292 |
| R²（X 波2） | 0.642 |
| Wave 1 时 X-Y 相关 | -0.329 |
结论
未发现显著交叉滞后效应
交叉滞后路径图
Fig. 1. Cross-lagged path diagram (FTP条目均分/SP条目均分 across two waves). Note: horizontal arrows = autoregressive (stability) paths, diagonal arrows = cross-lagged (reciprocal) paths, double-headed arrow = Wave-1 synchronous correlation; solid = significant, dashed = non-significant; coefficients are standardized β.
说明：水平箭头 = 自回归（稳定性），斜向箭头 = 交叉滞后（跨时间预测），双向箭头 = Wave 1 同期相关；实线显著/虚线不显著。
水平箭头 = 自回归（稳定性），斜向箭头 = 交叉滞后（跨时间预测），双向箭头 = Wave 1 同期相关；实线显著/虚线不显著，系数为标准化 β。
路径系数对比图
Fig. 2. CLPM path coefficients: autoregressive (stability, blue) vs cross-lagged (reciprocal prediction, orange); grey = non-significant. Note: comparing the two cross-lagged coefficients answers which directional prediction is stronger.
说明：蓝 = 自回归（稳定性），橙 = 交叉滞后（互惠预测），灰 = 不显著；交叉滞后两系数对比回答哪个方向预测力更强。
质量检查
存在 1 项提醒、0 项未达标：解读时需结合下方建议。
| 检查项 | 实际值 | 参考标准 | 状态 | 建议 |
|---|---|---|---|---|
| 交叉滞后路径 | 0/2 显著 | 至少一项显著 | ⚠ 提醒 | 未发现跨时间预测关系；检查两波间隔与变量稳定性 |
| 自回归路径 | 2/2 显著 | 至少一项显著 | ✓ 通过 | |
| Wave2 解释率 | 0.292 | ≥0.02 | ✓ 通过 |
📄 复现代码⬇ R
R 代码
# 交叉滞后分析（示例：FTP → 睡眠拖延，模拟第二波）
# 数据来源: /tmp/demo_clpm_vri0177e/data_clpm.csv
# Wave 1: FTP条目均分, SP条目均分
# Wave 2: FTP_W2, SP_W2
library(readr)
library(lavaan)
# 读取数据
data <- read_csv("/tmp/demo_clpm_vri0177e/data_clpm.csv")
# 定义交叉滞后模型
model <- '
# 自回归路径（稳定性）
FTP_W2 ~ FTP条目均分
SP_W2 ~ SP条目均分
# 交叉滞后路径（跨时间预测）
SP_W2 ~ FTP条目均分 # X Wave 1 -> Y Wave 2
FTP_W2 ~ SP条目均分 # Y Wave 1 -> X Wave 2
# Wave 1 相关
FTP条目均分 ~~ SP条目均分
'
# 拟合模型
cat("\n=== 交叉滞后面板模型 ===\n\n")
fit <- sem(model, data = data)
# 模型摘要
cat("\n=== 模型摘要 ===\n")
summary(fit, standardized = TRUE, fit.measures = TRUE)
# 参数估计
cat("\n=== 参数估计 ===\n")
print(parameterEstimates(fit, standardized = TRUE))
# 解释交叉滞后路径
cat("\n=== 交叉滞后路径解释 ===\n")
estimates <- parameterEstimates(fit, standardized = TRUE)
cross_lagged <- estimates[estimates$op == "~" &
((estimates$lhs == "SP_W2" & estimates$rhs == "FTP条目均分") |
(estimates$lhs == "FTP_W2" & estimates$rhs == "SP条目均分")), ]
print(cross_lagged)AI 建议
[提醒] 交叉滞后路径——未发现跨时间预测关系；检查两波间隔与变量稳定性