Pojęcie wyników analizy mediacji w R.

12

Próbuję obejść pakiet mediacyjny w języku R, używając winiety dla pakietu.

Próbuję zrozumieć wynik działania tej mediate()funkcji.

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
...

Czy to oznacza, że ​​u 8,08% efektu leczenia pośredniczy stan emocjonalny, wśród leczonych? Czy jest to zmiana współczynnika treat?

Gdyby ktoś mógł wyjaśnić wynik, byłby bardzo wdzięczny.

r. bot
źródło

Odpowiedzi:

18

Co to znaczy ACME (treated)0,0808?

0,0808 jest szacowanym średnim wzrostem zmiennej zależnej w grupie leczonej, która pojawia się w wyniku mediatorów, a nie „bezpośrednio” z leczenia.

Zmienna zależna w tym przykładzie to prawdopodobieństwo wysłania wiadomości do członka kongresu, mediatorem jest reakcja emocjonalna wywołana przez leczenie, a leczenie jest manipulacją kadrowaniem. Tak więc liczba ta oznacza, że z szacowanego Total Effectwzrostu prawdopodobieństwa o 0,0949 (the ) z powodu kadrowania, szacowany 0,0805 ( ACME (average)) jest wynikiem zmian emocjonalnych generowanych przez kadrowanie, a pozostałe 0,0145 ( ADE (average)) pochodzi z samego kadrowania.

W skrócie Total Effect= ACME (average)+ADE (average)

Jednak nie ma powodu, dla którego średni efekt mediacji (ACME) jest taki sam dla osób w grupie leczonej i osób w grupie kontrolnej, więc szacuje się dwa efekty mediacji: ACME (control)i ACME (treated), co jest twoim 0,0808. Średnia tych średnich efektów leczenia jest ACME (average)(co jest nieco mylące, przyznaję). Podobny argument dotyczy efektów bezpośrednich.

Założenie, że istnieje tylko jeden efekt mediacji i jeden efekt bezpośredni w tej populacji, nazywa się „brakiem ingerencji” u autorów pakietu.

Jest to pomocne przy interpretacji wyników, aby pamiętać o definicjach w dołączonych dokumentach i nieco przesunąć zwykłe rozumienie tabel regresji na drugi plan.

I ostatnia rzecz: proporcja przyczynowego efektu kadrowania, w której pośredniczy reakcja emocjonalna, a nie bezpośrednia, byłaby zwykle obliczana jako coś w rodzaju ACME (average)/ Total Effect, ale tutaj nie jest (całkiem). Niektóre dyskusje na temat sposobu obliczania tej wielkości dla modeli, w których zmienna zależna jest dyskretna, tak jak tutaj, pojawia się w załączniku G do Imai i in. 2010 r .

sprzężonyprior
źródło
Chciałbym wiedzieć, jak zmienia się twoja interpretacja, gdy masz ACME równą -0,08, ADE +0,02 i Całkowity efekt -0,06. Dla wszystkich zmiennych ciągłych przyjąłbym to, że wraz ze wzrostem IV, DV zmniejsza się o 0,06. Szacuje się, że z tego ruchu -08 to Pośrednik, a pozostałe 0,02 - IV. Ja, ale widać, że zmiana znaków sprawia, że ​​zrozumienie tego jest mniej niż intuicyjne.
Patrick Williams
1
Jak to się zmienia? Tak nie jest. Jedna „trasa” równoważy drugą. Osobiście uważam, że mediacja jest jedną z tych rzeczy, które stają się mniej, nie bardziej intuicyjne, im więcej się w to zagłębia.
conjugateprior
Dziękuję za odpowiedź. Zgadzam się i doszłam do podobnego wniosku w ciągu ostatnich kilku dni, badając to pytanie.
Patrick Williams