基于stata的medsens包进行中介效应分析

中介变量(mediator) 是一个重要的统计概念，如果自变量 X 通过某一变量 M 对因变量 Y 产生一定影响，则称 M 为 X 和 Y 的中介变量。我们既往已经介绍了SPSS和R语言行中介效应分析，今天继续介绍stata中介效应分析，大家都在介绍sgmediation包，我就不说了。Imai, Kosuke, Luke Keele and Dustin Tingley (2010)的文章指出，做中介效应还应进行敏感性分析。 mediation包相比sgmediation包的优势是能进行敏感性分析，和R语言mediation包是同一作者，而且mediation包已经登上了stata官方期刊，可靠性绝对没有问题。

OK，废话不多说，马上开始。我们先来安装这个包
点击帮助—搜索

点击网络搜索—medeff

安装st0243就可以了

安装好后我们就开始正式分析了。我们继续使用我们的移民数据（公众号回复：移民数据，可以获得数据），我们先导入数据，我直接复制黏贴

数据很多，我们来看看我们关心的几个数据。
Emo：焦虑状态，通过量表来评分，treat:治疗，分为有治疗和未治疗，age:年龄，educ:教育程度，gender:性别，income:收入，cong_mesg:发送移民信息，二分类变量，也是结局变量
假设我们想知道，我们可以不可以通过治疗来改变患者的焦虑状态，从而改变患者移民这一举动。这样的话，焦虑状态emo就是中介变量，cong_mesg:发送移民信息为结局变量，我们先来看看stata做中介效应的格式

我来好好解释一下，medeff是这个包的中介效应的函数名，(regress M T x) 和 (regress Y T M x),等于要建立两个回归方程，第一个是中介变量和原因变量的，第二个是结局变量和中介变量的。这里M表示中介变量，T表示因变量，X表示调整变量，Y表示结局变量，regress用于线性回归，sims为指定贝叶斯运行的模拟次数，seed为设定一个种子，让结果有可重复性。
我们这里的中介变量emo是连续变量，所以第一个回归方程使用regress，第二个我们的结局是二分类变量，所以使用logit。

medeff (regress emo treat age ) (logit  cong_mesg treat emo age ) , treat( treat) mediate( emo ) sims(1000)

很简单，结果就出来啦，我们可以看到总效应等于中介效应+直接效应。直接效应的可信区间包含0了，说明P大于0.05，表明直接效应影响不大，自变量主要是通过中介效应影响结局，也就是移民。
进一步绘图

medsens (regress emo treat age ) (logit  cong_mesg treat emo age ) , eps(.01) med( emo ) treat( treat ) sims(1000) level(95) graph

上图标出了rho，可信区间和R方，这里rho等于0.5

Y表示中介效应值，X表示敏感度关于rho。红线表示混杂效应导致中介效应消失时rho的值（有点拗口，自己体会一下），因此得出rho的绝对值越高，中介效应越可靠。
如果你想修改图片的细节，如颜色，区间，标题等

twoway rarea _med_updelta0 _med_lodelta0 _med_rho, bcolor(gs14) || line _med_delta0 _med_rho , lcolor(black) ,ylabel(-0.2(.1)0.2) ytitle("Average mediation effect") xtitle("Sensitivity parameter: p") legend(off) title("ACME(p)")

总的来说stata的mediation包行中介效应分析挺简单的。

参考文献：

Imai, Kosuke, Luke Keele and Dustin Tingley (2010) A General Approach to Causal Mediation Analysis, Psychological Methods 15(4) pp. 309-334.
Imai, Kosuke, Luke Keele and Teppei Yamamoto (2010) Identification, Inference, and Sensitivity Analysis for Causal Mediation Effects, Statistical Sciences, 25(1) pp. 51-71.
Imai, Kosuke, Luke Keele, Dustin Tingley, and Teppei Yamamoto. (2009) “Causal Mediation Analysis Using R” in Advances in Social Science Research Using R, ed. H. D. Vinod New York: Springer.
Forthcoming.

基于stata的medsens包进行中介效应分析相关推荐

R语言基于mediation包行中介效应分析
中介变量(mediator) 是一个重要的统计概念,如果自变量 X 通过某一变量 M 对因变量 Y 产生一定影响,则称 M 为 X 和 Y 的中介变量.我们既往已经介绍了SPSS行中介效应分析,今天继 ...
R语言基于mediation包行中介效应分析（2）
中介变量(mediator) 是一个重要的统计概念,如果自变量 X 通过某一变量 M 对因变量 Y 产生一定影响,则称 M 为 X 和 Y 的中介变量.我们既往已经介绍了<R语言基于mediat ...
学习笔记34—中介效应分析与调节效应分析
一.中介效应分析 1)中介效应分析模型和概念: 模型来自文献:中介效应分析: 原理.程序.方法及其应用(作者:陈瑞) 请参考链接: https://wenku.baidu.com/view/886e8 ...
中介分析相对直接效应相对简介效应_中介效应分析方法和流程
以下内容来源于<中介效应分析:方法和模型发展>(温忠麟,叶宝娟,2014).本人在阅读该文献之后提炼了主要内容,方便大家直接GET重点,如果有感兴趣的部分可以深入原文献阅读. (一)是否要 ...
基于Caret和RandomForest包进行随机森林分析的一般步骤（1）
Caret构建机器学习流程的一般步骤 Caret依赖trainControl函数设置交叉验证参数,train函数具体训练和评估模型.首先是选择一系列需要评估的参数和参数值的组合,然后设置重采样评估方式 ...
stata中介效应的sobel检验_SPSS进行中介效应检验的实战操作与分析——杏花开生物医药统计...
中介变量( Mediator) 是一个重要的统计概念,如果自变量X通过某一变量M对因变量Y产生一定影响,则称M为X和Y的中介变量. 研究中介作用的目的是在已知X和Y关系的基础上,探索产生这个关系的内部 ...
干货 | Amos实操教程之中介效应检验
Hello,大家好! 这里是壹脑云科研圈,我是喵君姐姐~ 本次推文,我们就来给大家介绍一种处理结构方程模型软件--Amos . 01 摘要 Amos是什么? Amos由James L. Arbuckl ...
java与spss交互,[转载]如何用SPSS做中介效应与调节效应（转）
本人刚刚做的一篇文章,用到了这些知识.这篇文章是转的,希望对大家有用 1.调节变量的定义变量Y与变量X 的关系受到第三个变量M 的影响,就称M为调节变量.调节变量可以是定性的,也可以是定量的.在做调 ...
spss分析方法-中介效应（转载）
中介效应,它指的是X对Y的影响是通过M实现的,也就是说M是X的函数,Y是M的函数(Y-M-X).考虑自变量X对因变量Y的影响,如果X通过M影响变量Y,则称M为中介变量. 下面我们主要从下面四个方面来解 ...

基于stata的medsens包进行中介效应分析

基于stata的medsens包进行中介效应分析相关推荐

最新文章

热门文章