理解R中中介分析的输出


12

我正在尝试使用R的小插图来了解R中的中介程序包。

我正在努力了解该mediate()函数的输出。

require("mediation")
require("sandwich")
data("framing")
med.fit <- lm(emo ~ treat + age + educ + gender + income, data = framing)
out.fit <- glm(cong_mesg ~ emo + treat + age + educ + gender + income, 
               data = framing, family = binomial("probit"))
summary(out.fit)
# OR for sending a message to a senator for treated compared to untreated. 
exp(as.numeric(coef(out.fit)[3])) 

# mediation
med.out <- mediate(med.fit, out.fit, treat = "treat", mediator = "emo",
                   robustSE = TRUE, sims = 100)
summary(med.out)
...

                         Estimate 95% CI Lower 95% CI Upper p-value
ACME (control)             0.0802       0.0335       0.1300    0.00
ACME (treated)             0.0808       0.0365       0.1311    0.00
ADE (control)              0.0142      -0.1030       0.1325    0.78
ADE (treated)              0.0147      -0.1137       0.1403    0.78
Total Effect               0.0949      -0.0316       0.2129    0.14
Prop. Mediated (control)   0.7621      -2.0926       4.9490    0.14
Prop. Mediated (treated)   0.7842      -1.9272       4.6916    0.14
ACME (average)             0.0805       0.0350       0.1304    0.00
ADE (average)              0.0145      -0.1087       0.1364    0.78
Prop. Mediated (average)   0.7731      -2.0099       4.8203    0.14
...

这是否意味着在接受治疗的患者中,有8.08%的治疗效果是通过情绪状态调节的?还是这是系数的变化treat

如果有人可以解释输出,将不胜感激。

Answers:


18

ACME (treated)0.0808是什么意思?

0.0808是治疗组之间因介体而不是直接来自治疗的因变量的估计平均增加。

在此示例中,因变量是向大会成员发送消息的概率,中介者是由处理产生的情绪反应,而处理是框架操纵。因此,这数表示估计0.0949(的Total Effect)在此概率由于成帧增加,估计0.0805( ACME (average))是作为与剩余0.0145(由成帧产生的情绪变化的结果ADE (average))是从成帧本身。

简而言之Total Effect= ACME (average)+ADE (average)

但是,没有理由使治疗组的人和对照组的人的平均调解效果(ACME)相同,因此可以估算出两种调解效果:ACME (control)ACME (treated),即0.0808。这些平均治疗效果的平均值是ACME (average)(我承认这有点令人困惑)。类似的观点也适用于直接效果。

在该包装的作者中,在这一群体中只有一种调解作用和一种直接作用的假设被称为“无干扰”。

在解释输出时,请牢记随附文件中的定义,并将您对回归表的一般理解稍微推向后台,这很有用。

最后一件事:框架的因果效应由情感反应而非直接介导的比例通常会被计算为ACME (average)/ Total Effect,但在这里并不是(相当)。在这里,有关如何为因变量是离散的模型计算此数量的一些讨论出现在Imai等人的附录G中2010年


我想知道当ACME为-0.08,ADE为+0.02,总效果为-0.06时,您的解释会如何变化。对于所有连续变量,我将其表示为随着IV增加,DV降低.06。在此运动中,估计-.08是归因于调解员,其余的.02是归因于IV。我(我),但是您可以看到符号的切换使其变得不直观。
Patrick Williams

1
它如何变化?没有。一种“路线”可以抵消另一条路线。就个人而言,我发现调解是越来越少的事情之一,随着您对它的研究越深入,它就越不直观。
conjugateprior

谢谢回复。我同意并在过去几天研究这个问题时得出了类似的结论。
帕特里克·威廉姆斯
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.