Erfassen der Ergebnisse der Mediationsanalyse in R

Ich versuche, mich mit dem Mediationspaket in R vertraut zu machen, indem ich die Vignette für das Paket verwende.

Ich habe Mühe, die Ausgabe der mediate()Funktion zu verstehen .

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
...

Bedeutet dies, dass 8,08% der Wirkung der Behandlung durch den emotionalen Zustand vermittelt werden, unter denen, die behandelt werden? Oder ist dies eine Änderung des Koeffizienten vontreat ?

Wenn jemand die Ausgabe erklären könnte, wäre er sehr dankbar.

Was bedeutet es, dass ACME (treated)0.0808 ist?

0,0808 ist die geschätzte durchschnittliche Zunahme der abhängigen Variablen in der Behandlungsgruppe, die eher als Ergebnis der Mediatoren als „direkt“ aus der Behandlung resultiert .

Die abhängige Variable in diesem Beispiel ist die Wahrscheinlichkeit, dass eine Nachricht an ein Kongressmitglied gesendet wird, der Mediator ist die emotionale Reaktion, die durch die Behandlung erzeugt wird, und die Behandlung ist eine Manipulation des Framings. Diese Zahl bedeutet also, dass von den geschätzten 0,0949 (the Total Effect) Anstiegen dieser Wahrscheinlichkeit aufgrund der Rahmung geschätzte 0,0805 ( ACME (average)) auf die emotionalen Veränderungen zurückzuführen sind, die durch die Rahmung hervorgerufen werden, und dass die verbleibenden 0,0145 ( ADE (average)) von der Rahmung selbst herrühren .

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

Es gibt jedoch keinen Grund, warum der durchschnittliche Mediationseffekt (ACME) für Personen in der Behandlungsgruppe und für Personen in der Kontrollgruppe gleich ist. Daher werden zwei Mediationseffekte geschätzt: ACME (control)und ACME (treated), das sind Ihre 0,0808. Der Durchschnitt dieser durchschnittlichen Behandlungseffekte ist ACME (average)(was zugegebenermaßen etwas verwirrend ist). Ein ähnliches Argument gilt für die direkten Auswirkungen.

Die Annahme, dass es nur einen Vermittlungseffekt und einen direkten Effekt in dieser Population gibt, wird bei den Autoren des Pakets als "keine Störung" bezeichnet.

Bei der Interpretation der Ausgabe ist es hilfreich, die Definitionen in den Begleitpapieren zu berücksichtigen und das normale Verständnis von Regressionstabellen ein wenig in den Hintergrund zu rücken.

Eine letzte Sache: Der Anteil der kausalen Wirkung des Framings, der eher durch emotionale als durch direkte Reaktionen vermittelt wird, würde normalerweise als etwas wie ACME (average)/ berechnet Total Effect, aber hier ist er nicht (ganz). Eine Diskussion darüber, wie diese Größe für Modelle berechnet werden kann, bei denen die abhängige Variable wie hier diskret ist, findet sich in Anhang G von Imai et al. 2010 .