Der neue Mediate-Befehl erweitert Statas leistungsstarke Suite für kausale Inferenzen um die Unterstützung der kausalen Mediationsanalyse. Die Kausalanalyse identifiziert und quantifiziert kausale Effekte. Die kausale Mediationsanalyse entwirrt sie. Werden diese Effekte durch eine andere Variable, einen Mediator, vermittelt?

Wählen Sie eine von 23 Kombinationen von Ergebnis- und Mediatormodellen, darunter lineare, Logit- und Poisson-Modelle, um den Gesamteffekt zu schätzen und ihn in direkte und indirekte (durch den Mediator) Effekte aufzuschlüsseln. Berechnen Sie die kontrollierten direkten Effekte und den Anteil der vermittelten Effekte. Umformung der Effekte in Odds, Risiko- und Inzidenzratenverhältnisse. Darstellen der geschätzten Effekte. Vorhersagen erhalten. Und mehr.

. 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

Note: Outcome equation includes treatment–mediator interaction.

Der geschätzte Gesamteffekt (TE) beträgt 0,26. Da unsere Ergebnisvariable binär ist, wird dieser Effekt auf der Wahrscheinlichkeitsskala gemessen. Wir interpretieren diesen Effekt wie einen durchschnittlichen Behandlungseffekt: Wenn jede Person in der Bevölkerung Sport treiben würde, würde die Wahrscheinlichkeit eines höheren Wohlbefindens um 0,26 Punkte auf der Wahrscheinlichkeitsskala steigen, verglichen mit dem Fall, dass niemand Sport treibt.

Die übrigen in der Tabelle aufgeführten Ergebnisse sind die Schätzungen des natürlichen indirekten Effekts (NIE) und des natürlichen direkten Effekts (NDE). Der NIE gibt Aufschluss darüber, inwieweit Bewegung das Wohlbefinden durch die Produktion von Bonotonin beeinflusst. Der NDE erfasst die Wirkung von Bewegung auf das Wohlbefinden durch andere Mechanismen als Bonotonin. In diesem Fall bedeutet eine NIE von 0,11, dass eine Erhöhung der Wahrscheinlichkeit eines höheren Wohlbefindens um 0,11 auf die Wirkung von körperlicher Betätigung durch die Produktion von Bonotonin zurückzuführen ist. Und basierend auf der NDE ist ein Anstieg von 0,15 auf andere Mechanismen zurückzuführen.

Oben haben wir die geschätzten Effekte auf der Wahrscheinlichkeitsskala als Risikodifferenzen interpretiert. Wenn wir wollten, könnten wir sie auch in Form von Risikoverhältnissen oder Odds Ratios interpretieren. Um Odds Ratios zu erhalten, verwenden wir z. B. den Postestimationsbefehl estat oder:

. 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

Der Gesamteffekt entspricht einem Odds Ratio von 2,95, das in diesem Fall das Produkt aus dem Odds Ratio des direkten und indirekten Effekts ist. Zur Berechnung der Risikoverhältnisse könnten wir estat rr verwenden, und wenn wir ein Poisson-Modell für das Ergebnis angepasst hätten, könnten wir estat irr verwenden, um die Inzidenzratenverhältnisse zu berechnen.

Wir können auch kontrollierte direkte Effekte (CDE) mit estat cde schätzen. Wir könnten uns zum Beispiel für den direkten Effekt unter der kontrafaktischen Annahme interessieren, dass entweder jedes Individuum in der Population einen Anstieg des Bonotoninspiegels erfährt oder niemand. Zu diesem Zweck wird estat cde mit der Option mvalue(0 1) spezifiziert, um den durchschnittlichen kontrollierten direkten Effekt der Behandlung zu schätzen, wobei der (binäre) Mediator Bonotonin entweder auf 0 oder 1 gesetzt wird:

. 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

Der direkte Effekt von Bewegung auf die Steigerung des Wohlbefindens ist 0,14 auf der Wahrscheinlichkeitsskala, wenn niemand einen Anstieg des Bonotoninspiegels erfährt, und wir können sehen, dass der Effekt 0,2 ist, wenn jeder in der Bevölkerung einen Anstieg des Bonotoninspiegels erfährt.

Wenn wir diese Effekte in Form von Risiko- oder Chancenverhältnissen ausdrücken wollen, können wir die Optionen rr bzw. oder verwenden. Hier verwenden wir die Option oder, um kontrollierte direkte Effekte auf der Odds-Ratio-Skala zu schätzen:

. 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

Schließlich könnten wir daran interessiert sein, dem Umfang der Vermittlung eine Zahl zuzuordnen. Mit estat proportion können wir den vermittelten Anteil berechnen:

. 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

Der geschätzte Anteil basiert auf den Effektschätzungen auf der Wahrscheinlichkeitsskala. Der indirekte Effekt macht 44 % des Gesamteffekts aus.