Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:文海铭 (广西大学)
邮箱:hming_wen@sina.com
编者按:本文主要摘译自下文,特此致谢!
Source:Bullock J G, Green D P, Ha S E. Yes, but what’s the mechanism?(don’t expect an easy answer)[J]. Journal of personality and social psychology, 2010, 98(4): 550. -PDF-
目录
中介效应分析在自然科学和社会科学中有着悠久的历史 (Blau 和 Duncan,1967;Fisher,1935;Lazarsfeld,1955),但现在它在心理学中比在其它学科中更常见。Baron 和 Kenny (1986) 关于中介的文章,是 Journal of Personality and Social Psychology 历史上引用最多的文章。
由于其突出的地位,Baron 和 Kenny (1986) 提出的中介分析方法尽管仍然被广泛使用,但已经受到了一系列的批评,并有了改进 (Mathieu 和 Taylor,2006)。不过,这些改进并没有解决关于中介分析的基本问题。这些问题越来越多地引起统计学家的关注 (Robins,2003;Rubin,2005),他们认为巴伦-肯尼方法 (Baron-Kenny method) 和其他非实验性方法的应用可能会产生有偏的中介效应估计。
在本文中,我们简要介绍了中介效应分析的设计、存在问题、以及改进建议。关于中介效应是否在经济学研究中适用,大家也可以参考知乎热议「三段式中介效应模型真的适用于经济学研究吗?还可以用什么方法来检验影响机制?」。
中介效应分析大都基于以下三个线性方程:
其中,
为了回避
在没有抽样变化的情况下,巴伦-肯尼方法 (Baron-Kenny) 中
其中,
即使没有未观察到的变量同时影响
巴伦-肯尼的估计不仅容易产生偏误,而且还容易产生夸大中介效应的偏误。具体地,对于
例如,父母收入
实验性研究相比观察性研究是否能更好地进行因果推断呢?在方程 3 中,对
这些问题都不能简单地归结为未观察到的变量问题,其中前两个问题特别适用于中介分析。
第一,只有当实验干预只影响有问题的中介而没有其他中介时,对间接影响的估计才是准确的。例如 Bolger 和 Amarel (2007) 的实验:使用同伙的陈述来促进或减少他们的效能感。如果同伙的陈述也会影响受试者的情绪,然而情绪也会调节支持和减轻压力之间的关系,那么就违反了没有其他中介的假设,对效能效果的估计也会被情绪的影响所污染。
如果实验干预要产生有意义的因果推论,他们必须针对我们想要确定其影响的特定因素。经济学研究中很多时候不能判定干预只影响有问题的中介,中介效应对间接影响的估计也不够准确。
第二,多种中介的存在带来的挑战。首先,一个自变量的效应可能通过多种因果途径传递,但很难建立一个包含所有潜在途径的综合模型。其次,即使人们可以详细描述所有的因果路径,测量这些路径的要素——也就是所有潜在的中介——也是一项艰巨的任务。但这是确保对中介估计的准确性所必需的。
即使成功地瞄准了特定的中介,也会面临第二个困境:该方法产生的间接影响的估计不适用于整个样本,而只适用于那些受干预影响的样本。例如临床试验检验药物的效果,对照组样本都被要求服用避孕药,但如果有人拒绝,我们没有办法了解这些不遵守规定的人在服用了避孕药的条件下,会有何种影响。因此,我们无法估计样本中所有样本服用避孕药的平均效果。
同时,对中介
相反,我们必须使用另一种干预——称之为
第三,因果异质性阻碍计算平均的直接和间接影响。考虑以下方程:
给定方程 1a 和 3a,对任何主体
如果
即使中介被实验操纵,因果异质性也难以估计间接影响。对于图 A,
一些统计程序可以帮助我们理解中介,但中介分析的最大障碍不能完全或甚至主要通过这些程序来克服,使用中介分析时,做一些额外的解释可能会使模型更可靠。
第一,如果不是操纵中介,则应该解释为什么
第二,如果是操纵中介,则应该解释为什么认为每一个操纵只影响一个中介,而不是其他中介。这需要描述
第三,中介分析需要在保持
第四,如果
第五,
即使它们可以被执行,它们的使用也需要一组可能难以满足的假设,包括对个人的影响不会随时间而改变的假设和影响
在 Baron 和 Kenny (1986) 出版以来的几十年里,大多数中介分析都是由多方程回归框架指导的,这个框架强加了一些在大多数心理应用中不太可能得到满足的假设。当中介变量与影响结果的未观察到的变量相关的情况下,这种方法错误地陈述了中介变量在因果过程中的作用。
认识到这一局限性,学者们越来越多地推荐对中介进行实验操作。中介的实验方法可以克服未观察到的变量问题,因此,它在原则上是对中介测量方法的一种改进。但它所依赖的假设似乎没有得到充分的重视。
这些并发症不能通过纯粹的统计创新来克服。那些进行非实验性中介分析的学者应该明确地证明,被分析的中介变量与其他可能影响结果的变量不相关的假设。实验者应该知道,对
最后,尽管这些论点在统计学家中并不新颖,但社会科学家——比如一些经济学家在很大程度上并不知道它们。近几十年来,人们对中介的兴趣急剧增长,研究人员对中介分析的技术复杂程度也有所进步。然而,论证的质量仍然不够,因为研究人员还没有掌握他们的分析所依赖的一些关键假设。缺乏论证反过来又会导致对设计问题的关注不足。评估中介是一项概念上深刻的、经验上的令人烦恼的任务,那些急于回答中介问题的人似乎低估了因果路径研究所带来的挑战。
Note:产生如下推文列表的 Stata 命令为:
lianxh 中介, m
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh