Осягання результатів аналізу медіації в R

Я намагаюся обвести голову навколо пакета посередництва в R, використовуючи віньєтку для пакета.

Я намагаюся зрозуміти вихід mediate()функції.

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
...

Чи означає це, що 8,08% ефекту від лікування опосередковується через емоційний стан, серед тих, хто лікується? Або це зміна коефіцієнта treat?

Якби хтось міг пояснити результат, це буде дуже вдячно.

Що це означає, що ACME (treated)це 0,0808?

0,0808 - оціночне середнє збільшення залежної змінної серед групи лікування, яка надходить в результаті медіаторів, а не «безпосередньо» від лікування.

Залежною змінною в цьому прикладі є ймовірність відправки повідомлення члену конгресу, медіатор - це емоційна реакція, породжена лікуванням, а лікування - обрамлюючою маніпуляцією. Таким чином, це число означає, що з розрахунку 0,0949 ( Total Effect) збільшення цієї ймовірності через обрамлення, оцінене 0,0805 ( ACME (average)) є результатом емоційних змін, що породжуються обрамленням, а решта 0,0145 ( ADE (average)) - від самого обрамлення.

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

Однак немає причин, що середній ефект медіації (ACME) є однаковим для людей з групи лікування та людей, які перебувають у контролі, тому оцінюються два наслідки посередництва: ACME (control)і ACME (treated), що становить ваш 0,0808. Середній показник цих середніх ефектів лікування ACME (average)(це, дещо заплутано, я визнаю). Аналогічний аргумент справедливий і для прямих наслідків.

Припущення про існування лише одного ефекту медіації та одного прямого ефекту в цій популяції називається авторами пакету «без втручання».

При інтерпретації результатів корисно мати на увазі визначення в супровідних документах і трохи підштовхнути ваше звичайне розуміння таблиць регресії на задній план.

Останнє: частка причинного ефекту обрамлення, опосередкованого емоційним реагуванням, а не прямим, зазвичай розраховується як щось на кшталт ACME (average)/ Total Effect, але тут це не так (цілком). Деяке обговорення того, як обчислити цю величину для моделей, де залежна змінна є дискретною, як це є тут, міститься в Додатку G Imai та ін. 2010 рік .