Comprendere l'output dall'analisi della mediazione in R

Sto cercando di orientarmi sul pacchetto di mediazione in R, usando la vignetta per il pacchetto.

Faccio fatica a capire l'output della mediate()funzione.

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
...

Questo significa che l'8,08% dell'effetto del trattamento è mediato dallo stato emotivo, tra quelli che vengono trattati? O è questo un cambiamento nel coefficiente di treat?

Se qualcuno potesse spiegare l'output sarebbe molto apprezzato.

Cosa significa che ACME (treated)è 0,0808?

0,0808 è l'aumento medio stimato della variabile dipendente tra il gruppo di trattamento che arriva come risultato dei mediatori piuttosto che "direttamente" dal trattamento.

La variabile dipendente in questo esempio è la probabilità di inviare un messaggio a un membro del congresso, il mediatore è la risposta emotiva generata dal trattamento e il trattamento è una manipolazione dell'inquadramento. Quindi questo numero indica che dello 0,0949 (il Total Effect) aumento stimato di questa probabilità a causa dell'inquadramento, uno 0,0805 ( ACME (average)) stimato è il risultato dei cambiamenti emotivi generati dall'inquadramento e il rimanente 0,0145 ( ADE (average)) è dall'inquadramento stesso.

In breve Total Effect= ACME (average)+ADE (average)

Tuttavia, non vi è alcun motivo per cui l'effetto di mediazione media (ACME) sia lo stesso per le persone nel gruppo di trattamento e le persone sotto controllo, quindi sono stimati due effetti di mediazione: ACME (control)e ACME (treated), che è il tuo 0.0808. La media di questi effetti di trattamento medi è ACME (average)(il che è un po 'confuso, lo ammetto). Un argomento simile vale per gli effetti diretti.

Il presupposto che vi sia un solo effetto di mediazione e un effetto diretto in questa popolazione è chiamato "nessuna interferenza" negli autori del pacchetto.

È utile nell'interpretazione dell'output per tenere conto delle definizioni dei documenti di accompagnamento e spingere un po 'la tua normale comprensione delle tabelle di regressione sullo sfondo.

Un'ultima cosa: la proporzione dell'effetto causale dell'inquadramento che è mediata dalla risposta emotiva piuttosto che diretta sarebbe normalmente calcolata come qualcosa di simile ACME (average)/ Total Effect, ma qui non lo è (del tutto). Alcune discussioni su come calcolare questa quantità per i modelli in cui la variabile dipendente è discreta, come è qui, appaiono nell'Appendice G di Imai et al. 2010 .