Modèle de rapport de médiation

Postato il 14 Feb 2019 in Senza categoria

Introduction les quatre étapes effet indirect spécification de puissance rapport d`erreurs résultats de variables supplémentaires extensions d`inférence causale liens vers d`autres sites références Valeri, L., & VanderWeele, T.J. (2013). Analyse de médiation permettant les interactions exposition-médiateur et l`interprétation causale: hypothèses théoriques et implémentation avec les macros SAS et SPSS. Méthodes psychologiques, 18, 137-150. La médiation est une hypothèse sur un réseau causal. (Voir Kraemer, Wilson, Fairburn et AGRAS (2002) qui tentent de définir la médiation sans faire d`hypothèses causaux.) Les conclusions d`une analyse de médiation ne sont valables que si les hypothèses causales sont valides (Judd & Kenny, 2010). Dans cette section, on discute des trois hypothèses majeures de la médiation. L`analyse de la médiation fait également toutes les hypothèses standard du modèle linéaire général (c.-à-d. la linéarité, la normalité, l`homogénéité de la variance d`erreur et l`indépendance des erreurs). Il est vivement conseillé de vérifier ces hypothèses avant de procéder à une analyse médiationnelle. Les effets de clustering sont discutés dans la section extensions. Ce qui suit sont des conditions suffisantes. En d`autres cas, si les hypothèses sont remplies, le modèle médiationnel est identifié.

Cependant, il y a parfois des cas particuliers dans lesquels une supposition peut être violée, mais les effets de médiation sont identifiés (Pearl, 2014). Traditionnellement, le modèle de médiation est estimé en estimant une série d`équations de régression multiple. Cependant, il existe des avantages considérables pour estimer le programme à l`aide d`un programme de modélisation d`équation structurelle (SEM), comme Amos ou mplus. Tout d`abord, tous les coefficients sont estimés en une seule exécution. La deuxième plupart des programmes SEM fournissent des estimations des effets indirects et du bootstrapping. Troisièmement, SEM avec l`estimation FIML peut permettre un modèle plus complexe de données manquantes. Quatrièmement, il est relativement facile d`effectuer des analyses de sensibilité avec un programme SEM. Il y a une longue histoire dans l`étude de la médiation (Hyman, 1955; MacCorquodale & Meehl, 1948; Wright, 1934). La médiation est un sujet très populaire. (Cette page en moyenne plus de 200 visiteurs par jour et baron et Kenny (1986) a plus de 70 000 citations, selon Google Scholar, et il ya quatre livres sur le sujet (Hayes, 2013; Jose, 2012; MacKinnon, 2008; VanderWeele, 2015.) Il y a plusieurs raisons pour l`intérêt intense dans ce sujet: une des raisons pour tester la médiation est d`essayer de comprendre le mécanisme par lequel la variable causale affecte le résultat.