Comprensión de los resultados del análisis de mediación en R

Question

Estoy tratando de entender el paquete de mediación en R, utilizando la viñeta del paquete.

Me cuesta entender la salida del mediate() función.

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
...

¿Significa esto que el 8,08% del efecto del tratamiento está mediado por el estado emocional, entre los que son tratados? ¿O se trata de un cambio en el coeficiente de treat ?

Si alguien pudiera explicar la salida se agradecería mucho.

Answer 1

¿Qué significa que ACME (treated) es 0,0808?

0,0808 es el aumento medio estimado de la variable dependiente entre el grupo de tratamiento que llega como resultado de los mediadores y no "directamente" del tratamiento.

La variable dependiente en este ejemplo es la probabilidad de enviar un mensaje a un congresista, el mediador es la respuesta emocional generada por el tratamiento, y el tratamiento es una manipulación del encuadre. Por tanto, este número significa que de el 0,0949 estimado (el Total Effect ) en esta probabilidad debido al encuadramiento, se estima un 0,0805 ( ACME (average) ) se debe a los cambios emocionales generados por el encuadre y el 0,0145 restante ( ADE (average) ) es del propio encuadre.

En resumen Total Effect = ACME (average) + ADE (average)

Sin embargo, no hay razón para que el efecto medio de mediación (ACME) sea el mismo para las personas del grupo de tratamiento y las del control, por lo que se estiman dos efectos de mediación: ACME (control) y ACME (treated) que es su 0,0808. La media de estos efectos medios del tratamiento es ACME (average) (lo cual es un poco confuso, lo admito). Un argumento similar es válido para los efectos directos.

La suposición de que sólo hay un efecto de mediación y un efecto directo en esta población se denomina "sin interferencia" en los autores del paquete.

A la hora de interpretar los resultados, resulta útil tener en cuenta las definiciones de los documentos adjuntos y dejar un poco de lado los conocimientos habituales sobre las tablas de regresión.

Una última cosa: la proporción del efecto causal del encuadre que está mediada por la respuesta emocional y no por la directa se calcularía normalmente como algo así como ACME (average) / Total Effect pero aquí no lo es (del todo). En el Apéndice G de Imai et al. 2010 .