在心理和其他社会科学研究领域，经常会碰到交互效应问题。特别地，这些领域研究的变量往往是不能直接观测的（即潜变量），如何分析潜变量的交互效应，是目前还没有得到很好解决的问题。本文为潜变量交互效应分析提供了更简单的建模技术和更好的分析方法。　　文献综述部分，先简述潜变量交互效应分析的回归方法及多组结构方程模型分析方法，然后介绍加入乘积项的结构方程模型的发展过程，重点包括均值结构、标准化解、参数估计方法和乘积指标产生的方式四个议题，为本文的研究提供统计背景和理论框架。　　传统的潜变量交互效应模型需要有均值结构，应用工作者不易掌握。本文通过分析模型需要均值结构的根源，找到解决问题的关键，建立无均值结构的模型，从而降低建模难度，而主效应和交互效应等参数与有均值结构的模型相应参数在理论上完全相同。用模拟数据，对无均值结构的模型和有均值结构的模型进行比较。结果显示:两种模型的主效应、交互效应和负荷等参数估计非常接近，估计精确度也非常接近。　　有均值结构的模型标准化估计在简化后的无均值结构的模型中同样适用吗？本文对简化后的无均值结构的潜变量交互效应模型，推导出标准化形式和交互效应的“标准化”估计公式。发现从传统的有均值结构的模型出发，也可以推出本文得到的标准化形式，说明本文推出的是真正意义上的标准化形式。用模拟研究方法，比较了常用的两种参数估计方法和两种乘积指标类型，结果表明，计算潜变量交互效应模型的“标准化”估计时，使用配对乘积指标建模较好，并且推荐首选极大似然估计。　　对于普通的线性回归模型和结构方程模型，常用的统计软件只提供原始估计的标准误和t值，通常的标准化估计就用原始估计的t值来检验。对于潜变量交互效应模型的“标准化”估计，为了考察是否还可以用原始估计的t值来检验，用Bootstrap方法计算“标准化”估计的t值，并与统计软件得到的原始估计的t值比较，发现大多数情况下，原始估计的t值还是可用，除非t值在临界值附近，此时应当使用Bootstrap方法计算的t值进行检验。通过模拟研究，从检验的角度，还是推荐使用配对乘积指标建模，并首选极大似然估计。　　对于潜变量交互效应建模，比较了在潜变量指标个数不相等时的四种产生乘积指标的策略（平衡打包、高中打包、高高打包、留高去低）。结果显示，在潜变量指标个数不相等时，最好使用留高去低的策略，使得潜变量指标个数相等，然后产生配对乘积指标建模。　　通过一个真实案例考察了上述理论结果和模拟研究结果的实际应用效果。该案例研究青少年学习压力和自尊对学习倦怠的交互作用。比较显变量和潜变量建模得到的结果发现，用潜变量建模分析实际数据，能更有效地发现交互效应。使用潜变量分析的结果说明，学习压力和自尊对学习倦怠存在交互作用:学习压力对学习倦怠的影响，随着自尊的增加而减少。