本文介绍如何用鼠标一键完成因果中介效应分析(Causual mediation analysis)并无脑直接生成论文投稿的表格和方法学文字。支持连续性/二分类/生存资料。
软件地址在 www.mstata.com,进入后左侧点击 MSTATA - 按照研究类型分类 - 中介和调节效应 - 因果中介效应分析
R 软件做中介效应的包不少,mediation 包是近几年的明星包,功能确实强。但很多人学了半天学不会,输出的图表根本弄不懂,和论文里的标准输出差了十万八千里,例如下图是mediation包的标准输出:
而我们找一篇论文,标准输出表格是这样的:
很多人根本不知道mediation输出的结果是什么意思,直接卡住进行不下去。别着急,我们可以用 MSTATA软件,基于medation包做分析,全程鼠标,最终输出这样的结果:
和这篇论文的输出一模一样!还犹豫什么呢,赶紧用起来啊!
因果中介分析 (Causal Mediation Analysis)
定义:因果中介分析是一种统计方法,用于探索一个变量如何影响另一个变量的过程或机制。具体来说,它考察一个或多个中介变量是否在因变量和自变量之间起到中介作用,以及这种中介作用的大小。
原理:在因果中介分析中,我们主要关心三个变量:自变量(X)、因变量(Y)和中介变量(M)。基本的思想是,自变量首先影响中介变量,然后中介变量再影响因变量。通过这种方法,我们可以分解自变量对因变量的总效应为两部分:直接效应和通过中介变量的间接效应。
使用场景:
在心理学研究中,探索某种心理干预如何影响结果,并通过哪些心理机制产生这种影响。
在经济学中,研究某种政策如何影响经济增长,并通过哪些渠道实现。
在医学研究中,探索某种药物或治疗如何影响健康结果,并通过哪些生物机制起作用。
医学研究的例子:假设我们想要研究某种药物是否可以通过降低血压来减少心脏病的风险。在这里,药物治疗是自变量(X),心脏病的风险是因变量(Y),而血压是中介变量(M)。通过因果中介分析,我们可以分析药物治疗对心脏病风险的直接效应和通过降低血压的间接效应。如果我们发现间接效应显著,这意味着药物确实可以通过降低血压来减少心脏病的风险。
总之,因果中介分析为我们提供了一种强大的工具,可以更深入地理解变量之间的关系和作用机制。
mediation
包是R语言中的一个专门用于进行因果中介分析的包。它提供了一系列的函数和工具,使研究者能够轻松地进行中介效应的估计、检验和解释。本模块基于mediation包进行中介分析,并用Bootstrap的方法来估计中介效应的置信区间,这种方法对于非正态分布的数据特别有用。
mdiation包的框架(引自作者论文):
但是,mediation包原始输出的结果很粗糙,例如:
面对这个晦涩的结果,大多数人也蒙圈了,也不知道啥意思,折腾两天就放弃了。
而学术期刊上用medation包分析后投稿的表是这样的:
要怎么倒腾才能变成这样呢?需要强大的 R 编程能力才行。
不过,现在可以用 MSTATA 一键免编程直接生成这样的表格:
MSTATA 做因果中介分析的界面如下:
分析步骤:
1. 选择结局变量的类型
在主界面上,您将首先看到一个名为"选择结局变量的类型"的选项。
您可以选择以下三种类型之一:
二分类变量(此处用 Probit 回归)
连续性变量(线性回归)
生存变量(用Survreg,默认weibull分布)
2. 选择结局变量/应变量
根据您在第一步选择的结局变量类型,软件将为您提供相应的变量选择。
请从下拉菜单中选择一个适当的结局变量。
3. 选择解释变量/自变量的类型
在"要研究的解释变量/自变量的类型"部分,选择您的自变量类型。
您可以选择二分类变量或连续性变量。
4. 选择解释变量/自变量
根据您选择的自变量类型,从下拉菜单中选择一个适当的自变量。
5. 选择中介变量的类型
在"选择中介变量(mediator)的类型"部分,选择您的中介变量类型。
您可以选择二分类变量或连续性变量。
6. 选择中介变量
根据您选择的中介变量类型,从下拉菜单中选择一个适当的中介变量。
7. 选择其他协变量(可选)
如果您希望在分析中考虑其他协变量,请从提供的列表中选择。
您可以选择多个协变量。
8. 调整回归系数和P值的小数位数
使用滑块调整回归系数和P值的小数位数,以满足您的需求。
9. 输入随机种子数
为了确保分析的再现性,请输入一个随机种子数。
记录这个数字,以便将来再次使用。
10. 开始中介分析
确保您已经完成了所有必要的选择和输入。
点击"开始中介分析"按钮,软件将开始进行中介分析,并为您提供结果。
生成word文档,包括目的,方法,结果和结论等都写好了: