中介效应分析及R实现

1.中介效应的定义

如果自变量X通过某一变量M对因变量Y产生一定影响，则称M为X和Y的中介变量。研究中介作用的目的是在已知X和Y关系的基础上，探索产生这个关系的内部作用机制。作用关系图如下：

X对Y的总效应分为直接效应（direct effect）和间接效应(indirect effect)，直接效应是指当中介变量（M）固定在某一水平时，自变量X对结局变量Y的效应。间接效应是指自变量X通过中介变量M对结局变量Y施加的影响。按上图所示则c为直接效应，间接效应则为a与b的结合。

 根据Baron和Kenny等人的研究，符合以下标准的变量可以判定为中介变量：

1）暴露水平的变化显著影响中介变量水平的变化（即X与M的关联具有统计学意义）。

2）中介变量水平的变化显著影响结局变量（即M与Y的关联具有统计学意义）。

3）暴露因素水平的变化显著影响结局变量（即X与Y的关联具有统计学意义）。

通常情况下标准1）和标准2）被普遍接受，标准3）未被接收，理由是当直接效应和中介效应的作用方向相反时，X与Y间的关联可能无统计学意义，但不能否认中介效应的存在。

2.中介效应的R实现

mediation包中的mediate函数

install.packages("mediation")
library(mediation)
data(jobs)
b <- lm(job_seek ~ treat + econ_hard + sex + age, data=jobs)
c <- lm(depress2 ~ treat + job_seek + econ_hard + sex + age, data=jobs)
contcont <- mediate(b, c, sims=50, treat="treat", mediator="job_seek")
summary(contcont)
plot(contcont)

结果如上图所示。

ACME表示average causal mediation effects (indirect effect)，即间接效应，ADE为average direct effects，即直接效应。total effect为总的效应。Prop.mediated为中介变量解释X与Y间关联所占的百分比，该例为21.69%。右图三条线都与0线交叉，显示结果无统计学意义。

则总的中介效应图可以展示如上图，但是中介变量的间接效应，即IE值无统计学意义，可以解释为变量无中介效应。

当中介变量的间接效应即IE有统计学意义时，可认为该中介效应模型成立，因素M介导了因素X与Y间的关联。