New In

Анализ на причинно-следственото посредничество

Новата команда mediate разширява мощния пакет за причинно-следствени изводи на Stata, като поддържа анализ на причинно-следствената медиация. Причинният анализ идентифицира и определя количествено причинните ефекти. Анализът на причинно-следствената медиация ги разграничава. Дали тези ефекти са опосредствани от друга променлива, медиатор?

Изберете една от 23-те комбинации от модели на резултата и медиатора, включително линеен, логит и Поасон, за да оцените общия ефект и да го разложите на преки и косвени (чрез медиатора) ефекти. Изчислете контролираните преки ефекти и дела на посредника. Преобразуване на ефектите в съотношения на шансове, риск и честота на заболеваемост. Постройте графики на оценените ефекти. Получаване на прогнози. И още.

Акценти

  • Линейни и обобщени линейни модели:

    • Непрекъснати, двоични и бройни резултати

    • Непрекъснати, двоични и бройни медиатори

    • Двоични, многостойностни и непрекъснати обработки

    • Линейни, logit, probit, Poisson и експоненциално-средни модели за резултата и медиатора

  • Преки ефекти, непреки ефекти, общ ефект, ПОМ и контролирани преки ефекти

  • Пропорция на посредничеството

  • Ефекти в скалата на коефициента на вероятност, коефициента на риск и коефициента на заболеваемост

  • Графики на ефектите

Новата команда mediate разширява мощния пакет за причинно-следствени изводи на Stata, като поддържа анализ на причинно-следствената медиация. Причинният анализ идентифицира и определя количествено причинните ефекти. Анализът на причинно-следствената медиация ги разграничава. Дали тези ефекти са опосредствани от друга променлива, медиатор?

Изберете една от 23-те комбинации от модели на резултата и медиатора, включително линеен, логит и Поасон, за да оцените общия ефект и да го разложите на преки и косвени (чрез медиатора) ефекти. Изчислете контролираните преки ефекти и дела на посредника. Преобразуване на ефектите в съотношения на шансове, риск и честота на заболеваемост. Постройте графики на оценените ефекти. Получаване на прогнози. И още.

. mediate (wellbeing, logit) (bonotonin, logit) (exercise)

Iteration 0:  EE criterion =  2.047e-17
Iteration 1:  EE criterion =  1.570e-32

Causal mediation analysis                                Number of obs = 2,000

Outcome model:     Logit
Mediator model:    Logit
Mediator variable: bonotonin
Treatment type:    Binary

Robust

Coefficient std. err. z P>|z| [95% conf. interval]

.1130778 .0287055 3.94 0.000 .056816 .1693397

.1457939 .0357194 4.08 0.000 .0757851 .2158027

.2588717 .0213767 12.11 0.000 .2169742 .3007692

 
  wellbeing   NIE exercise (Exercise vs Control)   NDE exercise (Exercise vs Control)   TE exercise (Exercise vs Control)  
Note: Outcome equation includes treatment–mediator interaction.

Оценката на общия ефект (TE) е 0,26. Тъй като променливата на резултата е двукомпонентна, този ефект се измерва по скалата на вероятностите. Интерпретираме този ефект точно като среден ефект от лечението: ако всеки индивид от популацията спортува, вероятността за по-високо благосъстояние ще се увеличи с 0,26 пункта по скалата на вероятностите в сравнение с това, ако никой не спортува.

Останалите резултати, показани в таблицата, са оценките на естествения косвен ефект (NIE) и естествения пряк ефект (NDE). NIE ни казва до каква степен физическите упражнения влияят на благосъстоянието чрез производството на бонотонин. NDE отразява ефекта на физическите упражнения върху благосъстоянието чрез механизми, различни от бонотонина. Тук NIE от 0,11 означава, че увеличението с 0,11 на вероятността за по-високо благосъстояние се дължи на ефекта от упражненията чрез производството на бонотонин. А въз основа на НДЕ увеличението от 0,15 се дължи на други механизми.

По-горе интерпретираме оценените ефекти по скалата на вероятностите като разлики в риска. Ако искаме, бихме могли да ги интерпретираме и като съотношения на риска или съотношения на шансовете. За да получим съотношения на шансовете, например, използваме командата за последваща оценка estat или:

. estat or
estat or requires potential-outcome means; refitting model ...

Transformed treatment effects                            Number of obs = 2,000

Robust

Odds ratio std. err. z P>|z| [95% conf. interval]

1.575108 .1827157 3.92 0.000 1.254785 1.977204

1.87189 .2785201 4.21 0.000 1.398393 2.505713

2.948429 .2768771 11.51 0.000 2.452772 3.544249

 
  wellbeing   NIE exercise (Exercise vs Control)   NDE exercise (Exercise vs Control)   TE exercise (Exercise vs Control)  

Общият ефект съответства на съотношение на шансовете от 2,95, което в този случай е произведението от съотношенията на шансовете за пряк и непряк ефект. За да изчислим съотношенията на риска, бихме могли да използваме estat rr, а ако бяхме приложили модел на Поасон за резултата, бихме могли да използваме estat irr, за да изчислим съотношенията на честота.

Можем също така да оценим контролираните преки ефекти (КПЕ), като използваме estat cde. Например бихме могли да се интересуваме от директния ефект при контрафактологичното предположение, че или всеки индивид в популацията изпитва увеличение на нивата на бонотонин, или никой не изпитва такова. За тази цел задаваме estat cde с опция mvalue(0 1), за да оценим средния контролиран пряк ефект на лечението с (двоичен) медиатор бонотонин, настроен на 0 или 1:

. estat cde, mvalue(0 1)

Controlled direct effect                                 Number of obs = 2,000

Mediator variable: bonotonin
Mediator values:
  1._at: bonotonin = 0
  2._at: bonotonin = 1

Delta-method

CDE std. err. z P>|z| [95% conf. interval]

.1391299 .039573 3.52 0.000 .0615682 .2166916

.200756 .0505278 3.97 0.000 .1017234 .2997887

 
      exercise@_at (Exercise vs Control) 1 (Exercise vs Control) 2  

Директният ефект на физическите упражнения върху повишаването на благосъстоянието е 0,14 по скалата на вероятностите, ако никой не изпитва повишаване на нивата на бонотонин, и можем да видим, че ефектът е 0,2, ако всички в популацията изпитват повишаване на нивата на бонотонин.

Отново, ако искаме да изразим тези ефекти в съотношения на риска или съотношения на шансовете, можем да използваме съответно опциите rr или или. Тук използваме опцията or, за да оценим контролираните преки ефекти по скалата на съотношението на шансовете:

. estat cde, mvalue(0 1) or

Controlled direct effect                                 Number of obs = 2,000

Mediator variable: bonotonin
Mediator values:
  1._at: bonotonin = 0
  2._at: bonotonin = 1

Delta-method

Odds ratio std. err. z P>|z| [95% conf. interval]

1.835771 .3049524 3.66 0.000 1.325621 2.542244

2.257759 .4785054 3.84 0.000 1.490306 3.420422

 
      exercise@_at (Exercise vs Control) 1 (Exercise vs Control) 2  

И накрая, може да се интересуваме от определянето на число за размера на посредничеството. Можем да използваме estat proportion, за да изчислим процента на посредничеството:

. estat proportion

Proportion mediated                                      Number of obs = 2,000

Robust

Proportion std. err. z P>|z| [95% conf. interval]

.4368103 .1164639 3.75 0.000 .2085453 .6650752

 
  wellbeing   exercise (Exercise vs Control)  

Оцененият дял се основава на оценките на ефекта по скалата на вероятностите. Косвеният ефект представлява 44 % от общия ефект.