Maybaygiare.org

Blog Network

バージニア大学図書館研究データサービス+科学

この記事では、調停分析の基礎を紹介することを意図しており、統計的な詳細を説明するものではありません。 詳細については、この記事の最後にある記事を参照してください。調停とは何ですか?

調停とは何ですか?

以前の研究では、より高い等級がより高い幸福を予測することが示唆されているとしましょう:X(等級)→Y(幸福)。 (この研究例は、説明のために構成されています。 それを科学的な声明とは考えないでください。しかし、成績は幸福が増える本当の理由ではないと思います。 私は、良い成績が自分の自尊心を高め、高い自尊心が自分の幸福を高めると仮定します:X(成績)→M(自尊心)→Y(幸福)。

mediation_ex2

これは、仲介分析の典型的なケースです。 自尊心は、成績(IV)と幸福(DV)の関係の根底にあるメカニズムを説明する仲介者です。調停の効果を分析する方法は?

調停の効果を分析する方法は?

始める前に、他の回帰分析と同様に、仲介分析は実験計画に基づいていない限り、因果関係を意味するものではないことに注意してください。

調停を分析するには:
1。 バロンに従ってください&ケニーのステップ
2. 有意性検定にはSobel検定またはbootstrappingを使用します。以下は、Baron&Kenny(1986)によって提案された仲介分析の基本的な手順を示しています。 仲介分析は、回帰の3つのセットで構成されています: X→Y、X→M、およびX+M→Yこの投稿では、Rを使用した例を示しますが、任意の統計ソフトウェアを使用できます。 彼らはちょうど三つの回帰分析です!

# Download data online. This is a simulated dataset for this post.myData <- read.csv('http://static.lib.virginia.edu/statlab/materials/data/mediationData.csv')

ステップ1。$ $y=b_{0}+b_{1}x+e

significant y=b_{0}+b_{1}x+e significantは\(b_{1}\)意味がありますか? XとYの間に関係がない場合、仲介するものは何もありません。これはBaronとKennyが最初に提案したものですが、このステップは議論の余地があります。 XとYの間に有意な関連性が見つからなくても、それらの関係についての理論的背景が良好であれば、次のステップに進むことができます。 詳細については、Shrout&Bolger(2002)を参照してください。

model.0 <- lm(Y ~ X, myData)summary(model.0)# Coefficients:# Estimate Std. Error t value Pr(>|t|) # (Intercept) 2.8572 0.6932 4.122 7.88e-05 ***# X 0.3961 0.1112 3.564 0.000567 ***### b1 = 0.3961, p < .001 # significant!

ステップ2。$ $m=b_{0}+b_{2}x+e

は\(b_{2}\)意味がありますか? XとMに関係がない場合、MはYに関連付けられている場合と関連付けられていない場合がある第三の変数にすぎません。xがMに影響を与える場

model.M <- lm(M ~ X, myData)summary(model.M)# Coefficients:# Estimate Std. Error t value Pr(>|t|) # (Intercept) 1.49952 0.58920 2.545 0.0125 * # X 0.56102 0.09448 5.938 4.39e-08 ***### b2 = 0.5610, p < .001 # significant!

ステップ3。$ $y=b_{0}+b_{4}x+b_{3}m+e

は\(b_{4}\)以前よりも有意ではないか小さいですか? MにYに影響を与えますが、XにはもはやYに影響を与えません(またはXにはYに影響を与えますが、大きさは小さくなります)。 仲介効果が存在する場合、Mが回帰に含まれているとき、Yに対するXの効果は消えます(または少なくとも弱まります)。 Yに対するXの効果はMを通過します。P>

model.Y <- lm(Y ~ X + M, myData)summary(model.Y)# Coefficients:# Estimate Std. Error t value Pr(>|t|) # (Intercept) 1.9043 0.6055 3.145 0.0022 ** # X 0.0396 0.1096 0.361 0.7187 # M 0.6355 0.1005 6.321 7.92e-09 ***### b4 = 0.0396, p = 0.719 # the effect of X on Y disappeared!### b3 = 0.6355, p < 0.001

Yに対するXの効果が完全に消えた場合、MはXとYの間を完全に仲介します(完全仲介)。 Yに対するXの効果がまだ存在するが、その大きさが小さい場合、MはXとYの間を部分的に仲介します(部分仲介)。 この例では、完全な調停を示していますが、実際には完全な調停はめったに起こりません。

これらの関係を見つけたら、この仲介効果が統計的に有意であるかどうかを確認したい(ゼロとは異なるかどうか)。 これを行うには、主に二つのアプローチがあります: Sobelテスト(Sobel、1982)とブートストラップ(Preacher&Hayes、2004)。 Rでは、sobel()‘multilevel’パッケージでSobelテストを使用し、mediate()‘mediation’ ブートストラップは近年強く推奨されているため(以前はSobelテストが広く使用されていましたが)、この例ではブートストラップメソッドのみを示します。

mediate()入力として2つのモデルオブジェクト(X→MとX+M→Y)を取り、どの変数がIV(治療)であるかを指定する必要がありますメディエーター(mediator)。 ブートストラップの場合は、boot = TRUEsims500に設定します。 それを実行した後、結果でACME(平均因果仲介効果)を探し、それがゼロと異なるかどうかを確認します。 mediate()の詳細については、Tingley,Yamamoto,Hirose,Keele,&Imai(2014)を参照してください。要約の総効果(0.3961)は、最初のステップでは\(b_{1}\)であることに注意してください:Yに対するXの総効果(Mなし)。 直接効果(ADE、0.0396)は、第三のステップでは\(b_{4}\)です。Mの仲介(間接)効果を考慮した後のYに対するXの直接効果。 最後に、仲介効果(ACME)は、総効果から直接効果(\(b_{1}-b_{4}\)、または0.3961 - 0.0396 = 0.3565)を引いたもので、2番目のステップのXの係数と最後のステップのMの係数(\(b_{2}\times b_{3}\)、または0.56102 * 0.6355 = 0.3565)の積に等しい。 調停分析の目的は、この間接的な効果を得て、それが統計的に有意であるかどうかを確認することです。ところで、BaronとKennyが提案したように、3つのステップすべてを実行する必要はありません。

単純に2つの回帰(X→MとX+M→Y)を実行し、2つのモデルを使用してその有意性をテストできます。 しかし、推奨される手順は、それがどのように動作するかを理解するのに役立ちます!

model.M <- lm(M ~ X, myData)model.Y <- lm(Y ~ X + M, myData)results <- mediate(model.M, model.Y, treat='X', mediator='M', boot=TRUE, sims=100)summary(results)

調停分析は、線形回帰に限定されるものではなく、ロジスティック回帰や多項式回帰などを使用することができます。 また、モデレートされた調停や仲介されたモデレーションなど、より多くの変数や関係を追加することができます。 ただし、モデルが非常に複雑で、小さな回帰のセットとして表現できない場合は、代わりに構造方程式のモデリングを検討することをお勧めします。要約すると、ここで調停分析のためのフローチャートです!詳細については、

  • Baron,R.M.,&Kenny,D.A.(1986)を参照してください。 社会心理学研究におけるモデレーター–メディエーター変数の区別:概念的、戦略的、および統計的考慮事項。 人格と社会心理学のジャーナル、5、1173-1182。
  • シュラウト、P.E.,&Bolger,N.(2002). 実験的および非実験的研究における調停:新しい手順と勧告。 心理学的方法、7、422-445。
  • Tingley,D.,Yamamoto,T.,Hirose,K.,Keele,L.,&今井,K.(2014). 調停:因果調停分析のためのRパッケージ。この記事に関する質問や説明については、UvaライブラリStatLabにお問い合わせください。[email protected]

    UVAライブラリStatLabの記事のコレクション全体を表示します。

    Bommae Kim
    Statistical Consulting Associate
    バージニア大学図書館
    April18,2016(published)
    July12,2016(フローチャートのタイプミスが修正されました)

コメントを残す

メールアドレスが公開されることはありません。