Analyse de médiation multiple dans R

Je me demande si quelqu'un connaît un moyen d'exécuter un modèle de médiation multiple dans R. Je sais que le package de médiation permet plusieurs modèles de médiation simples, mais je veux exécuter un modèle qui évalue plusieurs modèles de médiation simultanément.

Je suppose que je peux le faire dans un cadre SEM (analyse de chemin), mais je me demandais si quelqu'un de nouveau d'un package qui calculait des statistiques typiques de l'analyse de médiation pour plusieurs médiateurs (effets indirects, proportion de l'effet total via la médiation, etc.), et pourrait utiliser le bootstrapping. Je sais que c'est un plan à long terme, mais j'ai pensé que je devrais demander avant d'investir du temps à développer à partir de zéro.

MISE À JOUR: (11/11/2013)

Depuis que j'ai posé cette question il y a quelques années, j'ai appris à utiliser le merveilleux paquet R de lave pour faire de la médiation multiple.

voici un exemple de code:

model <- '
# outcome model 
outcomeVar ~ c*xVar + b1*medVar1 + b2*medVar2

# mediator models
medVar1 ~ a1*xVar 
medVar2 ~ a2*xVar

# indirect effects (IDE)
medVar1IDE  := a1*b1
medVar2IDE  := a2*b2
sumIDE := (a1*b1) + (a2*b2)

# total effect
total := c + (a1*b1) + (a2*b2)
medVar1 ~~ medVar2 # model correlation between mediators
'

Notez que a1, a2, b1, b2 et c sont des étiquettes. Exécutez ensuite le modèle:

fit <- sem(model, data=dataframe)

Et regardez la sortie:

summary(fit, fit.measures=TRUE, standardize=TRUE, rsquare=TRUE)

Enfin, générez des intervalles de confiance bootstrap:

boot.fit <- parameterEstimates(fit, boot.ci.type="bca.simple")

Voir le site Web de lavaan pour plus de détails: http://lavaan.ugent.be/

r regression mediation wmmurrah
la source

Je ne sais pas si le semPLS ou le plspm permettrait une analyse médiationnelle, mais cela vaut la peine de vérifier.

chl

@wmmurrah s'appuiera sur votre question, est le seul avantage du bootstraping pour obtenir les intervalles de confiance?

lf_araujo

@If_araujo Si vous êtes dans le test d'hypothèse, les intervalles de confiance du bootstrap doivent être utilisés à la place des valeurs de p car ces dernières nécessitent des hypothèses de normalité qui sont souvent violées. L'effet indirect, qui est le produit de deux coefficients de trajectoire, a tendance à être biaisé, ce qui rend les hypothèses de valeurs p discutables, à moins qu'elles ne soient grandes. Ainsi, même si vous ne souhaitez pas utiliser les intervalles, ils sont supérieurs aux valeurs de p.

wmmurrah

@ If_araujo voir: Voir: Preacher, KJ, & Hayes, AF (2008). Stratégies asymptotiques et de rééchantillonnage pour évaluer et comparer les effets indirects dans plusieurs modèles de médiateurs. Méthodes de recherche comportementale, 40 (3), 879-891.

wmmurrah

Analyse de médiation multiple dans R

Réponses: