变量命令是Mplus必须的命令之一，必须通过变量命令才可以对数据文件进行有意义的处理。对于初学者来说，最大的困难之一就是如何整理数据和使用变量命令来定义变量。一般情况下，最基本的变量命令有三个：①定义数据文件中的变量；②选择分析使用的变量；③定义变量的类型或尺度。
（1）VARIABLE定义数据文件中的变量
前面提到过，数据文件中除了数字之外不允许其他变量名称的字符存在，所以在分析数据之前需要给数据文件中出现的数据命名，或者说给每列变量取个名字。由于数据文件的格式已通过DATA命令定义，所以这里只需要给每列变量指定一个标签即可，所有变量都要有名称，否则程序读取时会出现错误，变量名最多允许8个字符。例如，VARIABLE IS／ARE／＝y1 y2 y3 y4 y5。说明数据文件包含5个变量，名称分别为y1—y5。
（2）USEVARIABLES选择分析使用的变量
一个数据文件可能包含很多变量，但某项分析可能只涉及部分变量，所以在某个具体分析之前要对所使用的变量进行选择，使用USEVARIABLES来定义。例如，USEVARIABLESARE／＝y1 y2 y3 y4 y5；或缩写成USEVARIABLESARE／＝y1—y5，意指数据文件包含y1—y10十个变量，而只使用前五个变量。
（3）定义变量的类型或尺度
定义变量的类型或尺度很重要，因为在Mplus中，不同的变量类型对应着不同的参数估计方法，也就是说程序使用不同的统计方法是根据指定的变量类型进行的。例如，在回归分析中，连续型因变量对应线性回归，二分因变量对应logistic回归等。变量的尺度有连续、类别、计数、名义、截尾[5]，这些数据需要不同的字符来定义，分别对应：CONTINUOUS，CATEGORICAL，COUNT，NOMINAL和CENSORED。在Mplus中默认的数据类型是连续的，所以连续变量不需要定义，或者说，非连续性变量若不定义会被程序当作连续型变量处理。
心理学和社会科学研究中常用的量表多采用李克特式问卷，如李克特5点计分，1＝非常同意，2＝同意，3＝中立，4＝不同意，5＝非常同意。从心理测量学的角度来说，李克特5点式数据为类型数据，并没有达到等距水平，因为从“1＝非常同意”到“2＝同意”之间的距离并不等同与从“3＝中立”到“4＝不同意”之间的距离，然而在实践中多数研究者将5点李克特量表视作连续变量来近似处理。需要提醒读者的是这种做法只是处理数据上的方便，得到的只是近似估计，而非5点李克特量表为连续型数据。在研究过程中也常会遇到二分变量，如MMPI，EPQ和CPI等人格量表或临床评估工具。在定义顺序变量（orderedcategorical）或二分变量（binary）时需要使用CATEGORICAL指令。用COUNT、NOMINAL和CENSORED分别指定计数、名义和截尾数据。
（4）USEOBSERVATIONS
用于选择符合特定条件的样本。例如，USEOBSERVATIONS＝gender EQ 1 AND GRADE EQ 1；选择所有符合性别为1，年级也为1的样本。EQ为逻辑符，表示“等于”，除此之外，还有如下逻辑符：
AND：和；
OR：或者；
NOT：否；
NE：不等于或“／＝”；
GE：大于等于“＞＝”；
LE：小于等于或“＜＝”；
GT：大于或“＞”；
LT：小于或“＜”。(www.xing528.com)
（5）缺失值
M ISSING用于定义数据文件中的缺失值。Mplus提供两种缺失值标记：数值型和非数值型。前者是通过指定数据文件中的某（几）个数值代表数据缺失。例如，MISSING＝ALL（9），表示所有变量的缺失值用9表示。如果不同的变量有不同缺失值标记符，则同MISSING＝Y1（9）Y2（99）Y3（999），表示为变量Y1的缺失值用9表示，其他两个变量Y2和Y3的缺失值分别用99和999表示。MISSING＝y1-y10（9）；表示变量y1-y10的9代表缺失值。MISSING＝y1（9）y2（9 99）；表示变量y1的缺失值用9代表，y2的缺失值用9和99表示。
非数值型则是采用某种符号代表数据缺失。常用的非数值型缺失标记符有“*”“.”，或直接指代为空白MISSING＝BLANK。需要注意，MISSING＝BLANK不能用于自由格式的数据。
GROUPING：用于指定数据文件中用于分组的变量及数值标签代表的组别。例如，GROUPING＝gender（1＝male 2＝female），说明数据文件中的gender为分组变量，1代表男性组，2代表女性组。
（6）定义
DEFINE 定义命令是一个很有用的命令，可以通过加减乘除和逻辑转换定义新变量。也可以使用数据转换命令计算或转换新变量。常用的数据转换命令有如下几个：
MEAN 通过平均几个变量的均值定义新变量。例如：Y＝MEAN（y1 y2 y3）；定义一个新变量Y，其值等于y1—y3三个变量的均值。
CLUSTER_MEAN 同CLUSTER同用，定义每个CLUSTER中个体水平的均值。例如，Y＝CLUSTER_MEAN（x）；新变量Y为每个CLUSTER中x变量的均值。
SUM 通过求几个变量的和定义新变量。例如，Y＝SUM（y1 y2 y3）；定义一个新变量Y，其值等于y1—y3三个变量的和。
CUT 通过预定的切分点将变量划分为类别变量。例如，CUT Y1（10 20）；将变量Y划分为3类，≤10的转化为0；10—20之间的转化为1，≥20的转化为2。注意：产生新变量时，产生的新变量必须写入USEVARIABLE，否则在随后的分析中不能使用。
（7）辅助变量（AUXILIARY）
辅助变量有4个功能：
①配合SAVEDATA命令将分析中未使用的变量保存下来。
②与TYPE＝GENERAL和ML估计配合使用，用于缺失值分析。辅助变量（Auxiliary Variables，与缺失值相关的变量）可以减少估计偏差并提高满足随机缺失假设的可能性（Collins et al.，2001；Schafer＆Graham，2002）。具体来说，在分析缺失值数据时将辅助变量纳入分析过程，但辅助变量并不出现在模型中。例如：AUXILIARY＝z1-z4（m）；括号内的m表示missing，即辅助变量用于缺失值分析。
③与TYPE＝MIXTURE配合使用，用于检验变量均值跨类别差异检验，括号内e表示equality。例如：AUXILIARY＝y1（e）y2（e）；用以检验y1、y2两个变量的均值在不同潜在类别组是否相等。
④与TYPE＝MIXTURE配合使用，作为潜在类别变量的预测变量进行多项式logistic回归，括号内r表示regression。例如：AUXILIARY＝Y1（r）y2（r）。r和e不能同时使用，但第一种功能和与其他3种功能可以组合使用，例如：AUXILIARY＝gender Y1-y5（e）；。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
