?? 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），包括逐步檢驗回歸系數(shù)法、系數(shù)乘積檢驗法和系數(shù)差異檢驗法。

然而，在使用傳統(tǒng)的中介效應(yīng)分析時，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， 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 實例

下面我們用一個 med4way 命令的模擬數(shù)據(jù)集 med4way_example_1.dta 進行演示。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