尊敬的老师您好：
Response:
1. Mplus可以实现在潜调节模型的基础上做多组比较，只不过这种情况下的多组设定不同于传统方式。传统而言，我们会使用grouping命令去指定一个分组变量，紧接着在括号里给分组数值增加标签，如‘grouping=race (1=white 2=asian 3=black 4=hispanic);’。而在潜调节的情形下，需要改用knownclass命令来代替grouping，在使用knownclass的时候还需要两个额外的设定，一个是利用classes命令指定分组变量和水平数，另一个是用type=mixture指定分析类型，联合在一起如下面这个示例：
VARIABLE:= gender (2);= gender (1 = man 2 = woman);: TYPE = MIXTURE;
2. 注意到你提到了乘积指标法，建议你不要采用这个方法，因为目前对于如何选择指标如何进行配对仍然存在争议，这中间有一定的不确定性。你采用不同的配对策略可能会产生不同的结果，这中间就有一点随意性，不符合科学的基本准则，所以你可能会受到本可以避免的质疑。对于信息矩阵的使用，你记住一个简单的法则：当数据没有缺失的时候，你用哪种矩阵都行，当数据存在缺失时，用观测矩阵，即“information=observed”。实际上，这些都不需要你去特别设定，Mplus内部都有默认的选择。
3. 最后，关于均值模型和无均值模型的问题。一般来说，我们关注的是变量之间的关系，而不关切变量的描述性统计，这样一来，要不要去估计均值模型就变得无关紧要了。无均值模型的好处是估计更少的参数，同时也减少了模型计算的复杂性。Mplus默认第一组的潜均值为0，剩余组的潜均值将会以0为基础自动估计出来，估计值即为与第一组潜均值的差异。在做潜调节的时候，还需要额外的将所有参与分析的指标进行中心化处理，以实现在指标层面的无均值结构。总的来说，删除无均值结构不会对你的结果产生什么影响，反而会简化运算，直白点就是运算的时间更快些。
关于课程问题，可紧密关注公众号官方通知。Anyway, good luck with your research project.
Attention! 方法论问题接收邮箱：sallyea_3366@163.com