Comprendre les résultats de l'analyse de médiation dans R

J'essaie de comprendre le package de médiation dans R, en utilisant la vignette du package.

J'ai du mal à comprendre la sortie de la mediate()fonction.

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
...

Cela signifie-t-il que 8,08% de l'effet du traitement sont médiés par l'état émotionnel, parmi ceux qui sont traités? Ou s'agit-il d'un changement dans le coefficient de treat?

Si quelqu'un pouvait expliquer le résultat, ce serait très apprécié.

Que signifie ACME (treated)0,0808?

0,0808 est l'augmentation moyenne estimée de la variable dépendante parmi le groupe de traitement qui résulte des médiateurs plutôt que «directement» du traitement.

La variable dépendante dans cet exemple est la probabilité d'envoyer un message à un membre du congrès, le médiateur est la réponse émotionnelle générée par le traitement et le traitement est une manipulation de cadrage. Donc, ce nombre signifie que sur l'augmentation estimée de 0,0949 (la Total Effect) de cette probabilité due au cadrage, une estimation de 0,0805 ( ACME (average)) résulte des changements émotionnels générés par le cadrage et le 0,0145 ( ADE (average)) restant provient du cadrage lui-même.

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

Cependant, il n'y a aucune raison que l'effet de médiation moyen (ACME) soit le même pour les personnes du groupe de traitement et les personnes du contrôle, donc deux effets de médiation sont estimés: ACME (control)et ACME (treated), qui est votre 0,0808. La moyenne de ces effets de traitement moyens est ACME (average)(ce qui est un peu déroutant, je l'admets). Un argument similaire vaut pour les effets directs.

L'hypothèse selon laquelle il n'y a qu'un seul effet de médiation et un seul effet direct dans cette population est appelée «aucune interférence» selon les auteurs du paquet.

Il est utile lors de l'interprétation du résultat de garder à l'esprit les définitions dans les documents d'accompagnement et de pousser un peu votre compréhension ordinaire des tableaux de régression en arrière-plan.

Une dernière chose: la proportion de l'effet causal du cadrage qui est médiée par la réponse émotionnelle plutôt que directe serait normalement calculée comme quelque chose comme ACME (average)/ Total Effect, mais ici ce n'est pas (tout à fait). Une discussion sur la façon de calculer cette quantité pour les modèles où la variable dépendante est discrète, comme c'est le cas ici, apparaît à l'annexe G d' Imai et al. 2010 .