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mediation包行中介效应分析分析》，后台有粉丝问自变量、中介变量、因变量都是分类变量怎么做中介效应。今天我们来介绍一下

今天使用的是一个学生数据，回复（学生数据，可以获得数据），我们先导入数据看一下

library(mediation)
student<-read.csv("E:/r/test/student.csv",sep=',',header=TRUE)

SCH_ID: 学校指标，fight:是否在学校打架，attachment:是否喜欢学校，work: 兼职工作的指标变量。 1 = 工作，late: 学生上学迟到的频率，5个级别，coed: 男女同校的指标变量。 1 = 男女同校，smorale: 衡量学校学生的士气，4级，gender: 性别的指标变量。 1 = 女性，income: 家庭总收入，13个级别，free: 学生获得免费午餐的百分比，1到7级，pared: 父母受教育程度，8 级，catholic:是否是天主教学校。
我们想分析一个学校是否是天主教学校，是否影响学生打架的可能。假设天主教学校可以增加学生对学校的依恋（attachment），降低打架可能，起到中介的因果机制起作用。
这里需要是使用lme4包对变量进行广义线性混合效应模型拟合（GLMM）

library(lme4)
med.fit <- glmer(attachment ~ catholic + gender + income + pared + (1|SCH_ID),family = binomial(link = "logit"), data = student)
out.fit <- glmer(fight ~ catholic*attachment +gender + income + pared + (1 + attachment|SCH_ID),family = binomial(link = "logit"), data = student)

然后调用mediate函数进行分析

med.out <- mediate(med.fit, out.fit, treat = "catholic", mediator = "attachment",sims = 100)
summary(med.out)

中介效应、直接效应和总效应均小于0.05。结果表明，天主教学校增加了个人层面的中介效应（依恋），降低了学生打架的可能性，起到了中介作用。
OK，本章完了，文章有点短，主要是最近太忙了。

R语言基于mediation包行中介效应分析（2）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 ...
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 ...
R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型目录 R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
R语言基于forestplot包可视化森林图实战详解：美化的森林图：自定义字体设置、置信区间、坐标轴（刻度、标签、范围）、无效线去除、水平线、辅助线、box形状、色彩等
R语言基于forestplot包可视化森林图实战详解:美化的森林图:自定义字体设置.置信区间.坐标轴(刻度.标签.范围).无效线去除.水平线.辅助线.box形状.色彩等目录
R语言基于DALEX包进行特征筛选（feature selection）
R语言基于DALEX包进行特征筛选(feature selection) 对一个学习任务来说,给定属性集,有些属性很有用,另一些则可能没什么用.这里的属性即称为"特征"(featu ...
R语言使用MatchIt包进行倾向性匹配分析、使用match.data函数构建匹配后的样本集合、使用可视化分析检验倾向性评分匹配后样本中的所有协变量的平衡情况
R语言使用MatchIt包进行倾向性匹配分析.使用match.data函数构建匹配后的样本集合.使用可视化分析检验倾向性评分匹配后样本中的所有协变量的平衡情况目录
R语言使用MatchIt包进行倾向性匹配分析（设置匹配方法为nearest，匹配倾向性评分最近的对照组和病例组，1:1配比）、使用match.data函数构建匹配后的样本集合
R语言使用MatchIt包进行倾向性匹配分析(设置匹配方法为nearest,匹配倾向性评分最近的对照组和病例组,1:1配比).使用match.data函数构建匹配后的样本集合目录
R语言使用MatchIt包进行倾向性匹配分析、使用match.data函数构建匹配后的样本集合、通过分析不同分组对应的协变量的均值来判断倾向性评分匹配后样本中的所有协变量的平衡情况
R语言使用MatchIt包进行倾向性匹配分析.使用match.data函数构建匹配后的样本集合.通过分析不同分组对应的协变量的均值来判断倾向性评分匹配后样本中的所有协变量的平衡情况目录
R语言基于Matching包进行倾向评分匹配（PSM）
倾向评分匹配(Propensity Score Matching,简称PSM)是一种统计学方法,用于处理观察研究(Observational Study)的数据,在SCI文章中应用非常广泛.在观察研究 ...

R语言基于mediation包行中介效应分析（2）

R语言基于mediation包行中介效应分析（2）相关推荐

最新文章

热门文章