當預測變量是連續的時，為什么 R 調解包的輸出顯示控制/治療組？

Question

我正在使用 R 中介包運行中介模型，但我沒有得到變量類型的正確輸出。 我有一個連續的預測器，但輸出將我的預測器視為分類變量。

簡而言之：

預測變量= 認知測試分數 [Composite_Z]（連續）

調解員= 自我意識 [意識] （二分法；變量類型 = 數值以便運行調解）

結果= 驅動頻率 [DRFRQ]（二分法）

10 個協變量= 年齡（連續）、性別（二分）、種族（二分）、教育（二分）、嚴重程度（連續）、時間（連續）、癲癇發作（二分）、收入（序數）、運動（連續）、城市農村（序數）

我有兩個模型正在進入我的中介分析（這兩個模型都運行良好，沒有問題）--

模型#1 ：二元邏輯回歸檢查認知（預測）和自我意識之間的關系，同時考慮協變量。

代碼：

    fit.a.A3H1 <- glm(Awareness ~ Composite_Z + Age + Sex + Race +
 Education + Severity + Time + Seizures + Income + Motor 
+ UrbanRural, family=binomial(link="logit"), data=A3H1.df)

模型#2 ：二元邏輯回歸檢查認知（預測）和駕駛頻率（結果）之間的關系，同時考慮自我意識（中介）和協變量。

代碼：

    fit.total.A3H1 <- glm(DRFRQ ~ Composite_Z + Awareness + Age + Sex 
+ Race + Education + Severity + Time + Seizures + Income 
+ Motor + UrbanRural, family=binomial(link="logit"), data = A3H1.df)

中介模型：然后，我將這些模型（如上所述）放入我的中介分析中。 我正在使用 R中介包來運行分析。

代碼：

fitMed.A3H1 <- mediate(fit.a.A3H1, fit.total.A3H1, sims=1000, boot=FALSE, 
                       treat="Composite_Z", mediator="Awareness",
                       covariates = NULL, use_speed = FALSE)

輸出：

Causal Mediation Analysis 

Quasi-Bayesian Confidence Intervals

                          Estimate 95% CI Lower 95% CI Upper p-value  
ACME (control)           -0.001007    -0.004191         0.00    0.27  
ACME (treated)           -0.000686    -0.002933         0.00    0.27  
ADE (control)             0.031882     0.003696         0.06    0.03 *
ADE (treated)             0.032203     0.003727         0.06    0.03 *
Total Effect              0.031196     0.004744         0.05    0.03 *
Prop. Mediated (control) -0.024010    -0.134304         0.08    0.25  
Prop. Mediated (treated) -0.016399    -0.113058         0.07    0.25  
ACME (average)           -0.000846    -0.003507         0.00    0.27  
ADE (average)             0.032042     0.003711         0.06    0.03 *
Prop. Mediated (average) -0.020204    -0.124782         0.08    0.25  

---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Sample Size Used: 350 

Simulations: 1000 

即使我的預測變量是連續變量，輸出也會分組給出結果。 有誰知道我為什么會遇到這個問題以及我可以解決它的方法？ 任何建議將不勝感激！

同樣奇怪的是，當我使用相同的預測變量/中介變量/協變量（但不同的結果變量是連續的而不是二分的）運行單獨的中介分析時，我沒有這個問題。 這種單獨的中介分析由（1）二元邏輯回歸模型和（2）線性回歸模型組成，輸出僅顯示整體 ACME/ADE/etc（即沒有組）。

Answer 1

看起來mediate()函數的輸出采用最終 DV 的形式：即，如果您有二進制 DV，則結果將被分離到控制和處理中，而如果您有連續 DV，則輸出不會（因為輸出是數字而不是標稱比例，因此代表 β）。

使用中介包 vignette中的代碼，請參閱以下示例：

library(mediation)
data("framing", package = "mediation")
set.seed(2014)

#1: models exactly from mediation vignette: continuous m, binary DV 
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"))
med.out <- mediate(med.fit, out.fit, treat = "treat", mediator = "emo", robustSE = TRUE, sims = 100)
summary(med.out)

#2: models swapped: binary DV, continuous m
med.fit <- glm(cong_mesg ~ treat + age + educ + gender + income, data = framing, family = binomial("probit"))
out.fit <- lm(emo ~ cong_mesg + treat + age + educ + gender + income, data = framing)
med.out <- mediate(med.fit, out.fit, treat = "treat", mediator = "emo", robustSE = TRUE, sims = 100)
summary(med.out)

如您所見， #1具有二進制 DV 和連續 M， mediate()的輸出被分離到控制和處理中，而2的輸出具有連續 DV 和二進制 M，而輸出不是。

Answer 2

在連續治療變量的情況下，您必須在調用mediate時定義對照組和治療組（此處為x和y ）：

fitMed.A3H1 <- mediate(fit.a.A3H1, fit.total.A3H1, sims=1000, boot=FALSE, 
                   treat="Composite_Z", mediator="Awareness",
                   control.value = x, treat.value = y,
                   covariates = NULL, use_speed = FALSE)

我知道它可能不會產生您可能期望的效果，但該軟件包的構建考慮了一個具有有限數量治療選項的實驗。 （請參閱小插圖中的第 3.3 節）