再论中介模型滥⽤：如何规范地实施因果中介效应分析因果中介效应估计、敏感性分析、⼯具变量模型。。。 直缝焊近年来，⼤量的经济学论⽂滥⽤中介效应模型，参考⽂献是⼀遍中⽂⼼理学论⽂，特别以硕⼠论⽂居多，引起严肃经济学者的警觉和批评。
在这个⽅程组中有很多的问题存在：
y=a+bx+u (1)
m=a1x+u1 (2)
y=a2x+b2m+u2 (3）
很显然（1）式中⾄少遗漏了中介变量m，则导致严重内⽣性问题，内⽣性导致b的估计是有偏的，b都估计不对，何谈后⾯的因果效应和机制分析的识别？且不说有没有考虑三个⼦⽅程的内⽣性问题了！令⼈悲哀和⽆免，其实只需要基本的初等计量经济学知识！本推⽂将介绍在因果分析框架下中介分析模型。此外，管理学的调节效应其实就是规范实证经济学⾥⾯的交互项模型，即相关异质性因果效应分析：
即将开幕的STATA前沿培训精讲：带异质性处理效应的双向固定效应估计|从精确断点、模糊断点估计的实际操作|弱⼯具变量稳健推断 异质性分析、机制分析的内容可选择学习：
即将开班 | 结构模型、Stata实证前沿、Python数据挖掘暑假⼯作坊
当然，⽐较合理地机制分析是基于理论框架的科学分析，这也可以在以上暑假⼯作坊课程中的结构估计部分学习之，其也提供⽂本分析的内容。
欢迎咨询！
Causal mediation analysis
Raymond Hicks,Niehaus Center for Globalization and Governance
Princeton University,Princeton, NJ,rhicks@princeton.edu
Dustin Tingley,Department of Government,Harvard University
Cambridge, MA,dtingley@gov.harvard.edu
Abstract. Estimating the mechanisms that connect explanatory variables with the explained variable, also known as “mediation analysis,” is central to a variety of social-science fields, especially psychol
ogy, and incre epidemiology.Recent work on the statistical methodology behind mediation analysis points to limitations in earlier methods. We implement in Stata computational approaches based on recent developments in the sta analysis. In particular, we provide functions for the correct calculation of causal mediation effects using several different types of parametric models, as well as the calculation of sensitivity analyses for violations to the required for interpreting mediation results causally.
摘要：估计解释变量与被解释变量之间的联系机制，也被称为“中介分析”，是各种社会科学领域的核⼼，尤其是⼼理学，并逐渐成为流⾏病学等领域的核⼼。最近关于中介分析背后的统计⽅法的⼯作指出了早期⽅法的统计⽅法的最新发展的Stata计算⽅法。特别是，我们提供了使⽤⼏种不同类型的参数模型来正确计算因果中介效应的函数，以及计算违反解释因果中介结果所需的关键识别假设的敏感性分析。
The mediation package is designed to estimate the role of causal mechanisms that transmit the effect of a treatment variable on an outcome. Causal mechanisms are central to many studies in the social and life scien mechanisms is widespread.By positing and empirically testing causal mechanisms,scholars can explain why a relationship exists between two variables.The medeff and medsens commands contained in the mediat procedures described in Imai, Keele, and Tingley (2010
a) and Imai, Keele, and Yamamoto (2010c) for a common set of statistical models.
中介包被设计⽤来评估因果机制的作⽤，即处理变量对结果的传递影响。因果机制处在许多社会科学和⽣命科学研究的中⼼，以及机制的统计分析是普遍存在。通过假设和实证检验因果机制，学者们可以解释为什么两含的medeff和medsens命令实现了这些过程，在Imai, Keele, and Tingley (2010a)和Imai, Keele, and Yamamoto (2010c)等⽂献中描述⼀组通⽤的统计模型。
早期的中介分析⽅法主要依赖于结构⽅程建模的⼀种形式。不幸的是，这些早期的⽅法并不是从因果推理的正式框架中衍⽣出来的，也不允许对关键识别假设进⾏敏感性分析。此外，早期的⽅法很难正确地扩展到⾮线型。中介包中的⼯具允许⽤户进⾏敏感性分析，并涵盖处理⼆元因变量的⼏种常⽤统计模型。中介和敏感性分析都⽤⼀⾏语法实现，这使得⽤户的过程更加简单。在本⽂中，我们将讨论这些⽅法的基础以及如何使⽤中的⾮技术介绍。
因果中介效应、直接处理效应：
在标准设计中，平均因果处理效应ACME或平均直接效应ADE未被识别，处理是随机的或可忽略的条件预处理协变量，中介变量或结果变量是可被测量。这是因为计算间接和直接影响所需的潜在结果从未被观察到。因可以这样写：
序列可忽略假设：
⽆混淆性，外⽣性，或没有遗漏变
处理指派被假定为可忽略的统计独⽴于潜在的结果和潜在的中介。这种假设是常见的，也被称为⽆混淆性，外⽣性，或没有遗漏变假设2.1依次应⽤两个可忽略性假设。在第⼀步，给定观察到的预处理混杂因素，处理指派被假定为可忽略的统计独⽴于潜在的结果和潜在的中介
中介是可忽略的。虽然第⼆步类似于标准的外⽣性假设
类似于标准的外⽣性假设，但有趣的是，随机化处理和中介并不能确定平均因果处理效应随机的，所以这个假设是成⽴的。第⼆步假设给定实际的处理状态和预处理混杂因素，观察到的中介是可忽略的
Yamamoto即将;Imai等，2011)。
Assumption 2.1 applies two ignorability assumptions sequentially. In the first step, given the observed pretreatment confounders, the treatment assignment is assumed to be ignorable statistically independent of poten mediators. This assumption is common and is also called unconfoundedness, exogeneity, or no omitted variable bias. In experiments, the assumption is expected to hold because treatment is randomized. treatment status and pretreatment confounders the observed mediator is ignorable. While the second step is similar to standard exogeneity assumptions, it is interesting to note that randomizing both the treatment and ACME (Imai, Tingley, and Yamamoto forthcoming; Imai et al. 2011).
当中介变量和结果变量采⽤线性模型时，敏感性分析基于⽅程1和2中的线性结构⽅程模型。违反SI序列可忽略假设，将导致和之间的相关性，我们由ρ表⽰(SI下ρ= 0)。如Imai, Keele和Yamamoto (2010
是相互独⽴的。⼆、中介变量在（2）式中满⾜外⽣性假设，即M与不相关，⽽是（1）式中的随机误差项，可见M与
和中介变量是相互独⽴的。⼆、中介变量在（
与结果变量和中介变量
序列可忽略假设：⼀、处理变量分配是随机的，与结果变量
序列可忽略假设：⼀、处理变量分配是随机的，
序列可忽略性假设是否违反，可通过对和的相关性进⾏检验⽽判断！
实例操作：
基于模拟数据的因果中介效应估计：通用模型
*Create simulated dataset seed 312789local n 2000set obs `n' //左边：Esc 下⽅的那个键；右边：Enter 左侧的那个键。
*Population Valueslocal alpha_2 0.25local alpha_3 0.25local beta_2 0.25local beta_3 0.25local gamma 0.25local x_beta 0.25*Draw realizations of error terms and pretreatment covariate x assuming no correlationmatrix m = (0,0,0)matrix sd = (1,1,1)drawnorm realizations of treatment (T), mediator (M), and outcome (Y)variablesgenerate T = round(runiform(), 1)drop Mgenerate M = 0.25+0.25*T+0.25*x+e1
generate Y = 0.25 + 0.25*T + 0.25*M + 0.25*x + e2*Conduct mediation analysismedeff (regress M T x) (regress Y T M x), treat(T) mediate(M) sims(1000) //Using 0 and 1 as treatment values
平均中介效应ACME为0.067，政策的平均直接效应为0.297。
估计因果中介效应的敏感性分析：
**Run Sensitivity Analysismedsens (regress M T x) (regress Y T M x), treat(T) mediate(M) sims(100)twoway rarea _med_updelta0 _med_lodelta0 _med_rho, bcolor(gs14) || line _med_delta0 _med_rho,lcolor(blue) ytitle('ACME') title('ACME({&rho})') xtitle(
结果表明，当平均因果中介效应ACME 的点估计为零时，和相关系数为必须⼤约为0.23。或者，可以检查R2的乘积对中介和结果模型、残差和总⽅差的敏感性的测量。
The results show that for the point estimate of the ACME to be zero, the correlation between ei2 and ei3 must be approximately 0.23. Alternatively, the product of R2’s measures of sensitivity for the mediator and outco total variance, may be examined.
是否可以认为相关性弱，近似外⽣？命令的创造者并未再说了！
也可以看这个推⽂怎么写的，虽然没有给出画图的命令，与这个推⽂⼀样，
敏感性检验的结果都与原始的stata ⽂章有略微差异，不知何故！
政策评估中'中介效应'因果分析, 增添了⽂献和Notes
政策评估中'中介效应'因果分析, 有趣的前沿⽅法
三相电机保护器最近⽼友问中介变量效应分解的问题，⽽上⼀个推⽂已经介绍：
x射线探测器
⾯对争议，经济学⼈是否不再使⽤⼼理学的⽼中介效应模型？|stata 资料\新R 语⾔资料
还有⼀个说法来⾃于：压延加工
互助问答第336期：关于中介效应检验的问题
中介效应中的内⽣性问题是需要考虑的，但通常情况下，对中介效应进⾏检验相对困难，顶级期刊JPE 和QJE 有些⽂章考虑过中介效应，不过⼤部分的经济学期刊都是考虑的渠道机制，即将渠道变量作为有些⽂章考虑过中介效应，不过⼤部分的经济学期刊都是考虑的渠道机制，即将渠道变量作为被medeff ；另外ivmediate 命令也可以使⽤，此命令与前者在原理上存在差异。当然值得注意的是，中介效应检验后，记得进⾏敏感性分析。以上两个命令的使⽤⽅法如下：Medeff 命令：medeff (model depvar varlist) (m mediate(varname) treat(varname [# #]) [sims(#) seed(#) vce(vcetype) level(#) interact(varname)]
防洪闸门
例如：medeff (regress M T x) (regress Y T M x), mediate(M) treat(T) sims(1000) seed(1)
ivmediate 命令：ivmediate depvar [indepvars] [if] [in], mediator(varname) treatment(varname) instrument(varname) [options]
例如：ivmediate y, mediator (m) treatment (t) instrument (z)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议