Domanda:
Alternative all'approccio Baron-Kenny alla modellazione della mediazione
roody
2013-05-23 03:38:32 UTC
view on stackexchange narkive permalink

Sto per aprire la porta a una questione spinosa nelle scienze sociali. Come si modellano e si testano correttamente ipotesi sulla mediazione di variabili utilizzando dati osservativi?

Conosco l'approccio Baron-Kenny alla mediazione (vedi la risposta precedente qui), e anche con modellazione di equazioni strutturali. Tuttavia, ho sentito entrambi gli approcci denigrati da scienziati sociali più orientati alla quantità di me, specialmente quando si utilizzano dati osservativi piuttosto che sperimentali.

Quindi, diciamo che sto cercando di risolvere il problema seguente:

Y è un risultato comportamentale. Sia la X che la Z sono caratteristiche osservate di soggetti che non possono essere manipolate da un esperimento. X è un atteggiamento (qualcosa che può essere cambiato a lungo termine) e Z è una caratteristica immutabile come età, razza, ecc.

Ipotizzo che X sia una variabile di mediazione, quindi Z influisce su Y attraverso il percorso di X . Sebbene sia ragionevole suggerire che Z sia in qualche modo correlato a X , la mia teoria sostiene che non ha alcun impatto su Y ( diverso da ** X ).

Come testare al meglio queste ipotesi utilizzando le migliori pratiche nella ricerca attuale?

C'è una vasta letteratura su questo. Un buon libro è [MacKinnon] (http://www.amazon.com/Introduction-Statistical-Mediation-Multivariate-Applications/dp/0805864296/ref=sr_1_4?ie=UTF8&qid=1369263467&sr=8-4&keywords=moderation+mediation)
Hai letto il giornale?
Si prega di fornire referenze complete, come ci si aspetterebbe di fare in una dissertazione o in un articolo presentato a una rivista.
Cinque risposte:
conjugateprior
2014-08-20 15:02:44 UTC
view on stackexchange narkive permalink

Baron e Kenny sono davvero obsoleti, anche se questo non li fa sbagliare in tutti i casi.

Le preoccupazioni si dividono in limiti e presupposti statistici ampiamente discussi nel riferimento suggerito dal tuo revisore e nella letteratura a cui allude @PeterFlom, e preoccupazioni ampiamente non statistiche sulla definizione e identificazione causale degli effetti di mediazione .

Seguendo questo ordine potrebbe essere utile iniziare la lettura con la recensione 2007 di MacKinnon et al. o con la lettura suggerita dai revisori. Quindi passa a Imai et al. 2010a (o Imai et al. 2010b) Questi ultimi articoli sono densi, ma ripagano lo studio. questo dovrebbe portarti più o meno al passo con il modo in cui si pensa recentemente all'analisi della mediazione.

Non sono bravo in statistica e mi chiedo quali sono i passaggi ora?Secondo Boron e Kenny che usano la regressione multipla ci sono 4 passaggi.Ora sono confuso dopo aver letto l'articolo di Rucker, Preacher, Tormala & Petty (2011) ??.Qual è la procedura appropriata?Questo documento affermava che parziale e completamente mediato non ha significato.Quindi il risultato indica solo la mediazione sì-no.
Penso che non sia ciò che Rucker et al.stanno dicendo.Dicono "Data la loro dipendenza dalla dimensione del campione, la significatività e l'utilità delle etichette ** di mediazione" completa "e" parziale "sono limitate a nostro avviso".Questo è un punto sulla comunicazione dei risultati, non sull'adattamento dei modelli.
Capisco che stai cercando un elenco di passaggi, ma il commento del revisore ti costringe piuttosto a esaminare il tuo metodo un po 'più a fondo rispetto alla semplice ricerca di un nuovo elenco di passaggi.Vale la pena seguire i consigli di @PeterFlom's sul sito Web di MacKinnon qui.
Solo curioso, posso ancora vedere alcuni autori che hanno ancora utilizzato il metodo B&K nella pubblicazione del 2014 anche su A * journal?Se è davvero obsoleto perché alcuni autori lo usano ???
Come credo abbia notato William Gibson, il futuro è già qui.Non è solo distribuito in modo molto uniforme.
Glen_b
2014-08-20 15:12:18 UTC
view on stackexchange narkive permalink

Questa è più una discussione sulle preoccupazioni che ho in primo luogo con l'approccio di Baron e Kenny (che ha qualche relazione con la tua domanda), e con un certo numero di articoli più recenti (non li ho visti tutti, quindi i miei commenti potrebbe non essere applicabile a tutto). Potrebbe anche riguardare il documento del 2011 che hai menzionato, che ho avuto modo di leggere solo ora.

Da quello che ho visto, l'idea di misurare / stabilire la mediazione sembra per lo più subire un problema di base * che non ho visto adeguatamente affrontato. (Ho appena dato uno sguardo abbastanza veloce al documento del 2011 che hai menzionato, quindi forse mi sono perso qualcosa. L'esempio nella figura 2 del documento sembra essere correlato, il che è incoraggiante nel senso che almeno alcune possibilità vengono menzionate in alcune parti della letteratura ora.)

* La prima volta che ho sentito parlare di mediazione e ho letto una copia del barone & Kenny, ho visto che questo sarebbe stato un problema. Sembrava essere una sorpresa per la maggior parte delle persone a cui ne ho parlato.

Il problema è questo: stabilire che $ M $ media effettivamente $ X \ a Y $ (almeno in parte), come di seguito:

$ \ quad $ enter image description here

(la freccia tratteggiata indica un livello di relazione ridotto), è necessario (ad esempio) escludere tutte le spiegazioni possibili come queste al posto del secondo diagramma:

$ \ quad $ enter image description here

(Le variabili grigie potrebbero essere latenti, sconosciute, non spiegate o, in qualche altro senso, "nascoste" dal modello, dal ricercatore o forse anche da chiunque. Potrebbero esserci anche alcune anche una relazione diretta tra $ X $ e $ Y $, non fa alcuna differenza in questo problema.)

Molti articoli (almeno molti di quelli che ho visto) che trattano di mediazione, quando seguono la ricetta che dovrebbe stabilire se avviene la mediazione, iniziano immediatamente a dire cose sulla falsariga di "$ M $ media $ X \ a Y $ "e discutere la dimensione di questo effetto, quando a meno che non abbiano eliminato essenzialmente qualsiasi possibilità che tali variabili nascoste guidino effettivamente la relazione in un numero qualsiasi di accordi e variazioni, non hanno davvero stabilito una cosa del genere e qualsiasi misura della dimensione dell'effetto di mediazione dipende in gran parte dal fatto che quelle altre possibilità non siano presenti, almeno non in misura sostanziale.

Un ulteriore problema è che i metodi come la regressione non "mettere la testa sulle frecce". Per farlo con tali metodi sono necessari esperimenti accurati o argomenti molto attenti; se mancano entrambi, in generale tutto ciò che abbiamo in realtà è la correlazione, e la correlazione non è la stessa cosa della causalità.

Spero che uno degli statistici di ottima qualità qui possa andare a scuola me sul motivo per cui le mie preoccupazioni sono per lo più infondate; una tale educazione sarebbe molto gradita.

Questo mi sembra abbastanza ragionevole.In molti casi (anche se non tutti) $ X $ è esogeno a causa dell'intervento sperimentale (ad esempio [MacKinnon e Dwyer, 1993] (http://www.public.asu.edu/~davidpm/classes/publications/1993EvaluationReview.pdf)), ma $ M $ non lo è.Nella ricerca sociale ci sono spesso (teoricamente) passaggi tra un intervento fattibile e le cause del risultato, oppure l'intervento ha diversi effetti intermedi che causano il risultato.I riduzionisti direbbero che ci sono praticamente sempre passaggi tra X e Y (o variabili nascoste equivalentemente).
Chiaramente nessuno tranne l'analista "mette la testa sulle frecce".Certamente non c'è alcun modo non correlato all'intervento per farlo in generale, o qui per stabilire alcune relazioni di mediazione qui in particolare.Quindi le analisi di mediazione ragionevoli devono iniziare piuttosto che cercare di stabilire la struttura del grafo.Sono quindi solo modi per stimare varie diverse dimensioni e direzioni degli effetti, sotto, risulta dalle letture che ho notato, ipotesi più o meno strane e restrittive.
il che è tutto per dire che non sono in disaccordo con ciò che dici, sto solo cercando di dare la migliore ricostruzione razionale per il popolo della mediazione.Sembra che si sia rivelato più complicato di quanto pensassero :-)
Non è questo un problema con tutte le regressioni, almeno negli studi osservazionali?Cioè, mettiamo la testa sulle frecce non solo attraverso le statistiche, ma attraverso le statistiche più la logica.In un semplice esempio, se regrediamo peso sull'altezza o altezza sul peso, la formula di regressione non interessa.Ma "l'altezza causa il peso" ha senso e "il peso causa l'altezza" no.Allo stesso modo, in una mediazione, la mediazione deve avere un senso.
@PeterFlom Negli studi osservazionali, il problema della variabile "nascosta / mancante" si applica certamente alla regressione in modo più ampio.In effetti ho intenzione di postare una domanda che qualcuno mi ha posto che riguarda questo problema.Ci sono modi per affrontarlo almeno in parte, ma spesso non vengono eseguiti, almeno non in molti trattamenti che vedo (varia a seconda dell'area, naturalmente).Per quanto riguarda le frecce, non tutta la regressione è considerata causale, quindi no, non penso che sia un problema con tutta la regressione --- ma sì, è un problema abbastanza comune.
(ctd) ... tuttavia, la cosa particolare con la mediazione è che si tratta in modo abbastanza esplicito non solo di stabilire un modello grafico (teste su frecce) ma la grandezza mutevole degli effetti, e tuttavia la cura richiesta per iniziare anche a stabilire ciò che viene affermatogeneralmente sembra essere assente.Almeno nella regressione sugli studi osservazionali non è difficile trovare persone che chiariscano molto bene perché di solito si tratta solo di stabilire associazioni e perché cose come il paradosso di Simpson devono essere tenute a mente.Con gli studi di mediazione, non sembra esserci stata la stessa densità di avvertimenti in ciò che ho visto.
@Glen_b guarda la discussione di quei documenti Imai sull''ignorabilità sequenziale 'per più avvertimenti di quanti tu possa scuotere un bastone.È sorprendente che chiunque si iscriva a questa ipotesi una volta chiarita ...
Thomas
2013-05-23 15:36:44 UTC
view on stackexchange narkive permalink

Ecco alcuni posti in cui cercare. Consiglio in particolare il lavoro di Kosuke Imai e colleghi.

Bullock, John G. e Shang E. Ha. 2011. L'analisi della mediazione è più difficile di quanto sembri. In Cambridge Handbook of Experimental Political Science, ed. James N. Druckman, Donald P. Green, James H. Kuklinski e Arthur Lupia. New York: Cambridge University Press.

Bullock, John G., Donald P. Green e Shang E. Ha. 2010. Sì, ma qual è il meccanismo? (Non aspettarti una risposta facile). Journal of Personality and Social Psychology 98 (aprile): 550-58.

Fiedler, Klaus, Malte Schott e Thorsten Meiser. 2011. "What Mediation Analysis Can (Not) Do." Journal of Experimental Social Psychology. doi: 10.1016 / j.jesp.2011.05.007. http://dx.doi.org/10.1016/j.jesp.2011.05.007.

Green, Donald P., Shang E. Ha e John G. Bullock . 2009. "Già abbastanza sugli esperimenti" Scatola nera ": studiare la mediazione è più difficile di quanto supponga la maggior parte degli studiosi." The ANNALS of the American Academy of Political and Social Science 628 (marzo) (gennaio): 200-208.

Imai, Kosuke, Luke Keele, Dustin Tingley e Teppei Yamamoto. 2011. "Disimballaggio della scatola nera: apprendimento dei meccanismi causali da studi sperimentali e osservazionali". American Political Science Review 105 (4) (10 novembre): 765-789. http://imai.princeton.edu/talk/files/ISM10.pdf.

Imai, Kosuke e Teppei Yamamoto. 2011. "Identificazione e analisi della sensibilità per meccanismi causali multipli: rivisitazione delle prove dagli esperimenti di inquadramento".

MacKinnon, David P., Amanda J. Fairchild e Matthew S. Fritz. 2007. "Analisi di mediazione". Revisione annuale di psicologia 58 (gennaio): 593-614. doi: 10.1146 / annurev.psych.58.110405.085542. http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=2819368&tool=pmcentrez&rendertype=abstract.

Spencer, Steven J., Mark P. Zanna e Geoffrey T Fong. 2005. "Stabilire una catena causale: perché gli esperimenti sono spesso più efficaci delle analisi di mediazione nell'esame dei processi psicologici". Journal of Personality and Social Psychology 89 (6) (dicembre): 845-51. doi: 10.1037 / 0022-3514.89.6.845. http://www.ncbi.nlm.nih.gov/pubmed/16393019.

Grazie Thomas ... Bullock e altri erano esattamente gli studiosi a cui stavo pensando quando ho posto questa domanda. In qualche modo mi sono completamente dimenticato di Imai però!
Peter Flom
2014-08-20 14:03:36 UTC
view on stackexchange narkive permalink

Baron e Kenny è decisamente antiquato di questi tempi. Vedono la mediazione come una qualità "sì-no" "presente-assente"; approcci più recenti (molto lavoro di MacKinnon e altri) lo tratta come un continuum. Questo ha più senso per me.

Non sono bravo in statistica e mi chiedo quali sono i passaggi ora?Secondo Boron e Kenny che usano la regressione multipla: 1. IV -> DV (deve essere significativo) 2. IV -> M (deve essere significativo).3. M -> DV (deve essere significativo) e 4. IV + M -> DV (deve essere insignificante) = effetto di mediazione.
Il mio risultato mostra che il mio IV -> DV È SIGNIFICATIVO ma quando includo IV + M -> DV è significativo.Tuttavia il risultato mostra che IV-> M è significativo.Come lo interpreto?Pls aiuto.
L'effetto di mediazione è in realtà la differenza tra 1 e 4. Cioè, di quanto l'aggiunta del mediatore cambia la stima del parametro in 1.?Piuttosto che dire "lo fa" o "non lo fa" la nuova visione è dire "lo fa così tanto".MacKinnon ha un sito Web che contiene molto materiale e alcune istruzioni passo passo.Molto di questo è indicato in altre risposte che hai già ottenuto
"Piuttosto che dire" lo fa "o" non lo fa "la nuova visione è dire" lo fa così tanto "."Questo è un buon punto.Dove e come posso citare questo?
Sentiti libero di citarmi, se vuoi.Per quanto ne so, la linea stessa è originale per me.Oppure, se guardi i materiali di MacKinnon potresti trovarli nelle sue parole.
Grazie.A proposito, vorrei sapere qual è il modo migliore per me di inserire i dati in SPSS 15 (sto usando un database che è molto limitato nell'analisi).Ho 3 IV e 1 MV e 1 DV.Devo inserire l'IV separatamente (intendo eseguire la regressione separatamente per ogni IV, MV e DV? O inserirla simultaneamente in una regressione?
Con questo database devo generare l'analisi utilizzando un sistema remoto dove non è possibile utilizzare il metodo bootstrap.
PsychometStats
2019-10-16 17:14:37 UTC
view on stackexchange narkive permalink

Sono d'accordo con la risposta di cui sopra e vorrei aggiungere ulteriori informazioni sotto forma di un breve riepilogo.

Il metodo di Baron e Kenny (1986), per testare la mediazione è stato ampiamente applicato, ma ci sono molti articoli che discutono di severe limitazioni di questo approccio, che ampiamente includono:

1) Non testare direttamente il significato di un effetto indiretto

2) Basso potere statistico

3) Incapacità di accogliere modelli con mediazione incoerente

* Nota: vedi Memon, Cheah, Ramayah, Ting e Chuah (2018) per una panoramica.

Considerando queste limitazioni, è stata sviluppata una nuova tipologia di mediazione da Zhao, Lynch e Chen (2010). A partire da ottobre 2019, ha oltre 5.000 citazioni, quindi sta guadagnando maggiore popolarità.

A In breve sintesi, e prendendo come esempio un modello causale a tre variabili, esistono tipi di mediazione.

Mediazione complementare: l'effetto mediato (a x b) e l'effetto diretto (c) esistono entrambi e puntano nella stessa direzione.

Mediazione competitiva: l'effetto mediato (a x b) e l'effetto diretto (c) esistono entrambi e puntano in direzioni opposte.

Mediazione solo indiretta: esiste un effetto mediato (a x b), ma nessun effetto diretto (c).

Inoltre, sono stati proposti due tipi di non mediazione:

Non mediazione solo diretta: esiste un effetto diretto (c), ma nessun effetto indiretto.

Non mediazione senza effetto: nessun effetto diretto (c), né effetto indiretto esiste.

References

Memon, M. A., Cheah, J., Ramayah, T., Ting, H., & Chuah, F. (2018). Problemi e raccomandazioni sull'analisi della mediazione. Journal of Applied Structural Equation Modeling, 2 (1), 1-9.

Zhao, X., Lynch Jr, J. G., & Chen, Q. (2010). Riconsiderare Baron e Kenny: miti e verità sull'analisi della mediazione. Journal of Consumer Research, 37 (2), 197-206.



ⓘ
Questa domanda e risposta è stata tradotta automaticamente dalla lingua inglese. Il contenuto originale è disponibile su stackexchange, che ringraziamo per la licenza cc by-sa 3.0 con cui è distribuito.
Loading...