R에서 중개 분석의 종합적인 결과


12

패키지의 비 네트를 사용하여 R의 중개 패키지를 둘러 보려고합니다.

mediate()함수 의 출력을 이해하는 데 어려움을 겪고 있습니다.

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
...

이것은 치료 효과 중 8.08 %가 치료되는 것들 중에서 정서적 상태를 통해 매개됨을 의미합니까? 아니면 계수의 변화 treat입니까?

누군가 출력을 설명 할 수 있다면 대단히 감사하겠습니다.

답변:


18

ACME (treated)0.0808 이란 무엇입니까 ?

0.0808은 처리 에서 '직접'이 아닌 매개체의 결과로 도달하는 처리 그룹 사이의 종속 변수의 추정 평균 증가입니다 .

이 예에서 종속 변수는 회의 구성원에게 메시지를 보낼 확률이고 중재자는 치료에 의해 생성 된 감정적 반응이며 치료는 프레임 조작입니다. 그이 수가 수단 그래서 추정 0.0949합니다 ( Total Effect인해 프레임이 확률) 증가를,은 (0.0805 추정 ACME (average))가 프레임에 의해 생성 된 감정 변화 나머지 0.0145 (의 결과이다 ADE (average)) 자체가 프레임으로부터이다.

한마디로 Total Effect= ACME (average)+ADE (average)

그러나 평균 중재 효과 (ACME)가 치료 그룹의 사람들과 대조군의 사람들에 대해 동일한 이유가 없으므로 두 가지 중재 효과가 추정됩니다. ACME (control)ACME (treated), 0.0808입니다. 이 평균 치료 효과의 평균은 ACME (average)(약간 혼란 스럽습니다) 인정합니다. 직접적인 효과에 대해서도 비슷한 주장이있다.

이 모집단에 하나의 중개 효과와 하나의 직접 효과가 있다고 가정하는 것은 패키지 작성자에게 '간섭 없음'이라고합니다.

동봉 된 논문의 정의를 명심하고 회귀 테이블에 대한 일반적인 이해를 약간 배경으로 밀어 넣기 위해 결과를 해석 할 때 도움이됩니다.

마지막으로, 직감보다는 정서적 반응에 의해 매개되는 프레이밍의 인과 적 영향의 비율은 일반적으로 ACME (average)/ 와 같은 것으로 계산 Total Effect되지만 여기서는 (quite) 아닙니다. 종속 변수가 이산 인 모델에 대해이 수량을 계산하는 방법에 대한 논의는 여기에서와 같이 Imai 등의 부록 G에 나와 있습니다. 2010 년 .


ACME가 -0.08, ADE가 +0.02, 총 효과가 -0.06 일 때 해석이 어떻게 바뀌는 지 알고 싶습니다. 모든 연속 변수의 경우 IV가 증가함에 따라 DV가 .06이 감소한다는 것을 의미합니다. 이 움직임 중 -.08 추정치는 중재자에 의한 것이며 나머지 .02는 IV에 기인 한 것입니다. 나, 그러나 당신은 표지판의 전환이 이해하기보다 직관적이지 않다는 것을 알 수 있습니다.
Patrick Williams

1
어떻게 바뀌나요? 그렇지 않습니다. 하나의 '경로'는 다른 경로를 상쇄합니다. 개인적으로, 중재는 덜 이해되는 것들 중 하나이며, 더 많이 볼수록 직관적이지 않습니다.
켤레

답장을 보내 주셔서 감사합니다. 이 질문을 조사하는 동안 지난 며칠 동안 비슷한 결론에 도달했습니다.
Patrick Williams
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.