?? 連享會主頁：

?? 論文班·精講8篇論文
?? 2021 年 5.2-4 日
?? 主講：梁平漢(中山大學(xué))；張川川 (浙江大學(xué))；連玉君 (中山大學(xué))
?? 課程主頁：https:///lianxh/TE, 誠邀助教6名

New！ lianxh 命令發(fā)布了：   GIF 動圖介紹
隨時(shí)搜索 Stata 推文、教程、手冊、論壇，安裝命令如下：
? . ssc install lianxh

作者： 曹琳君 (南開大學(xué))
郵箱： jilyo@stu.xmu.edu.cn & 1072759894@qq.com

目錄

• 1. 背景介紹

• 2. med4way 命令介紹

• 2.1 理論部分

• 2.2 安裝和語法結(jié)構(gòu)

• 3. Stata 實(shí)例

• 4. 結(jié)語

• 5. 參考資料

• 6. 相關(guān)推文

1. 背景介紹

中介分析是闡明 X 和 Y 如何關(guān)聯(lián)的重要機(jī)制之一。在連享會以往的推文中，我們介紹了傳統(tǒng)的中介效應(yīng)分析方法（具體鏈接見相關(guān)推文部分），包括逐步檢驗(yàn)回歸系數(shù)法、系數(shù)乘積檢驗(yàn)法和系數(shù)差異檢驗(yàn)法。

然而，在使用傳統(tǒng)的中介效應(yīng)分析時(shí)，研究者也面臨下列問題：（1）如果沒有對中介-結(jié)果混雜因素 （mediator-outcome confounders）進(jìn)行控制，那么傳統(tǒng)的中介方法產(chǎn)生的結(jié)果可能有很大的偏差 （Andrea Bellavia， 2021）。（2）傳統(tǒng)的中介分析沒有包含 的交互作用 （exposure-mediator interaction）。如果交互作用確實(shí)存在且被忽視，直接和間接的影響就會有偏差 （Andrea Bellavia， 2021）。（3）傳統(tǒng)的中介分析主要適用于 和 是連續(xù)變量且影響是線性的情況。對于非線性的影響，用傳統(tǒng)的中介分析方法分析并不容易 （Andrea Bellavia， 2021）。

因此，能夠解決上述問題的因果中介分析方法逐漸受到研究者的重視。在下文中，作者主要向大家介紹一種可以同時(shí)分析中介效應(yīng) （M）和 交互效應(yīng) （X-M）的因果中介分析命令 med4way。

對因果中介分析背景有更多興趣的研究者也可以點(diǎn)擊下方的參考鏈接。參考鏈接：Mediation and interaction analysis。

溫馨提示： 文中鏈接在微信中無法生效。請點(diǎn)擊底部「閱讀原文」。

2. med4way 命令介紹

2.1 理論部分

如下圖所示，包含 交互作用的因果中介分析將 對 的影響（總體效應(yīng)）分為四個(gè)效應(yīng)：純間接效應(yīng)或被調(diào)節(jié)的主效應(yīng)  (pure natural indirect effect  or mediated main effect)，參照交互效應(yīng) （reference interaction），被調(diào)節(jié)的交互效應(yīng) （mediated interaction） 和被控制的直接效應(yīng) (Controlled direct effect)。

在表中 是結(jié)果變量 是暴漏因素也就是我們常說的 , 是潛在中介變量。 表示當(dāng)暴漏因素 處于 a 水平且潛在的中介變量 處于 m 水平時(shí)， 的取值。

2.2 安裝和語法結(jié)構(gòu)

med4way命令是 Andrea Discacciati, Andrea Bellavia, Jane J Lee, Maitreyi Mazumdar &  Linda Valeri (2018) 根據(jù)上述表格所編寫的 Stata 新命令。

安裝和數(shù)據(jù)下載有兩種途徑：

(1) 從作者的 github 主頁下載：

(2) 從連享會主頁下載：

*-安裝程序文件
. net install med4way , from(https://file./StataCMD/med4way)
*-下載附帶數(shù)據(jù)
. net get     med4way , from(https://file./StataCMD/med4way)

語法結(jié)構(gòu)如下：

• depvar：被解釋變量；
• varlist：依次為暴露因素、中介變量 、多個(gè)混雜因素（可有可無，視情況而定）；
• a0(real)：real 表示暴露因素的參考維度 （the referent level of the exposure）；假設(shè)暴露因素 表示是否吸煙， 表示不吸煙，那么 0 就是參考維度。
• a1(real)：real 表示暴露因素的真實(shí)維度 （the actual level of the exposure）；假設(shè)暴露因素 表示是否吸煙，暴露因素 表示吸煙，那么1就是真實(shí)維度。
• m(real)：real 表示中介變量的維度 （the level of the mediator）；
• yreg(string)：string 表示為結(jié)果指定的回歸模型形式 （the form of the regression model for the outcome）；
• mreg(string)：string 表示為中介指定的回歸模型形式 （the form of the regression model for the mediator ）。

3. Stata 實(shí)例

下面我們用一個(gè) med4way 命令的模擬數(shù)據(jù)集 med4way_example_1.dta 進(jìn)行演示。在該數(shù)據(jù)集中結(jié)果變量和中介變量都是二元變量。

. net get med4way , from(https://file./StataCMD/med4way)
. use med4way_example_1.dta

. med4way  y_bin  treat  m_bin  cvar1  cvar2  cvar3, ///
         a0(0) a1(1) m(0) ///
         yreg (logistic) mreg(logistic)

/*    Notes:

   y_bin：因變量
   treat：暴露因素
   m_bin：中介變量
   cvar1：混雜因素1
   cvar2：混雜因素2
   cvars：混雜因素3
*/

模型的運(yùn)行結(jié)果如下：

模型1是各因素對 因變量 的回歸，模型2是各因素對中介變量 的回歸。最后一張表是總效應(yīng)的分解結(jié)果。

4. 結(jié)語

關(guān)于 med4way 的基本介紹在這里就結(jié)束了，想要深入了解的學(xué)者也可以閱讀下方的參考資料。由于地址限制，如果文中提供的下載方式無法奏效，大家可以直接訪問如下碼云倉庫，手動下載相關(guān)命令和數(shù)據(jù)文件。方法為：點(diǎn)擊【克隆/下載】，下載倉庫的 zip 文件，解壓后放置為 D:\med4way ，在 Stata 命令窗口執(zhí)行 net install med4way, from(D:\med4way) 即可安裝。

• https:///caolinjun/med4way，或
• https:///arlionn/med4way。

5. 參考資料