[논문 리뷰] Robust Mediation Analysis: The R Package robmed

Andreas Alfons, Ateş, Nüfer Y.외 1명|EUR Research Repository (Erasmus University Rotterdam)|2022. 02. 24.

Conflict Management and Negotiation인용 수 4

한 줄 요약

이 논문은 정규성과 이상치에 민감한 전통적인 방법에 비해 안정적인 추론을 보장하는 R 패키지 robmed를 소개한다. 이 패키지는 MM-추정량 기반의 빠르고 강력한 부트스트랩 방법을 사용하여 비정규 분포와 이상치 존재 조건에서도 신뢰할 수 있는 결과를 제공한다. 다양한 분포와 이상치 시나리오에서 기존의 OLS 기반 부트스트랩 방법보다 유의수준 제어와 검정력 측면에서 뛰어난 성능을 보였다.

ABSTRACT

Mediation analysis is one of the most widely used statistical techniques in the social, behavioral, and medical sciences. Mediation models allow to study how an independent variable affects a dependent variable indirectly through one or more intervening variables, which are called mediators. The analysis is often carried out via a series of linear regressions, in which case the indirect effects can be computed as products of coefficients from those regressions. Statistical significance of the indirect effects is typically assessed via a bootstrap test based on ordinary least-squares estimates. However, this test is sensitive to outliers or other deviations from normality assumptions, which poses a serious threat to empirical testing of theory about mediation mechanisms. The R package robmed implements a robust procedure for mediation analysis based on the fast-and-robust bootstrap methodology for robust regression estimators, which yields reliable results even when the data deviate from the usual normality assumptions. Various other procedures for mediation analysis are included in package robmed as well. Moreover, robmed introduces a new formula interface that allows to specify mediation models with a single formula, and provides various plots for diagnostics or visual representation of the results.

연구 동기 및 목표

• 기존의 복합 중재 분석이 이상치와 정규성 가정의 위반에 민감한 데 대비하여 이를 해결하고자 한다.
• 중재 분석에서 일반적으로 사용되는 최소제곱법(Ols) 기반 부트스트랩 방법에 대한 강력한 대안을 개발하고자 한다.
• 비정규 분포나 비대칭 오차 분포가 존재하는 상황에서 더 높은 신뢰도를 확보하기 위해 MM-추정량을 활용한 빠르고 강력한 부트스트랩 절차를 구현하고자 한다.
• 사용자 친화적인 공식 인터페이스와 진단 플롯을 제공하여 모델의 해석과 검증을 용이하게 하고자 한다.
• 기존의 도구(예: PROCESS 매크로)와의 호환성을 확보하기 위해 유사한 출력 구조와 신뢰구간 또는 p-값 설정 옵션을 제공하고자 한다.

제안 방법

• 중재 모델의 모수 추정에서 이상치의 영향을 최소화하기 위해 강력한 회귀 분석을 위해 MM-추정량을 활용한다.
• 간접 효과의 안정적인 표집 분포를 생성하기 위해 빠르고 강력한 부트스트랩 방법을 적용한다.
• 일괄적인 중재 모델을 지정하기 위해 단일 공식 인터페이스를 사용하여 이전의 순차적 회귀 호출에 비해 모델 지정을 단순화한다.
• 영향력 있는 관측치 탐지 및 모델 가정 검증을 위해 진단 플롯을 구현한다.
• `confint()` 및 `coef()` 함수의 `type` 인자를 통해 부트스트랩 기반 신뢰구간과 정규이론 기반 구간을 모두 제공한다.
• 강력한 표준오차와 부트스트랩 재표본을 통한 유의성 검정을 통해 총 효과, 직접 효과, 간접 효과를 추정할 수 있도록 지원한다.

실험 결과

연구 질문

• RQ1 비정규 오차 분포 조건에서 강력한 중재 분석의 성능이 OLS 기반 부트스트랩 방법과 비교해 어떻게 되는가?
• RQ2 이상치 또는 첨도가 높은 오차 분포가 존재할 경우, 강력한 부트스트랩 절차가 적절한 유의수준 제어를 유지할 수 있는가?
• RQ3 MM-추정량 기반의 빠르고 강력한 부트스트랩 절차가 기존의 강력한 대안 대비 간접 효과 탐지의 검정력과 정확도를 향상시킬 수 있는가?
• RQ4 데이터 정제 기반 접근법(예: Zu 등, 2010)과 비교했을 때 이 강력한 방법이 신뢰성과 효율성 측면에서 어떻게 성능을 발휘하는가?
• RQ5 연구자들이 SPSS/SAS 기반 워크플로우에 익숙하다면, 패키지 인터페이스가 널리 사용되는 PROCESS 매크로를 얼마나 잘 모방할 수 있는가?

주요 결과

• MM-추정량 기반의 강력한 부트스트랩 방법은 첨도와 비대칭성이 높은 다양한 분포에서 적절한 유의수준을 유지하는 것으로 확인되었다.
• 이상치 존재 조건에서 강력한 방법은 간접 효과가 없음을 잘못 기각하지 않았다(95% 신뢰구간: -0.294 ~ -0.009), 반면 OLS 기반 방법은 잘못된 유의성 기각을 보였다(95% 신뢰구간: -0.214 ~ 0.025).
• 오염된 데이터와 비정규성 조건 하에서도 강력한 방법이 가족별 오류율 제어와 통계적 검정력을 효과적으로 유지하는 것으로 나타났다.
• 진단 플롯을 통해 데이터에 첨도가 높은 분포가 존재하는 것으로 확인되었으며, 이는 OLS와 강력한 방법 간의 결과 차이를 설명했고, 이러한 경우 강력한 방법의 사용을 지지하는 데 기여했다.
• 패키지의 출력 구조는 PROCESS 매크로와 유사하여, SPSS/SAS 기반 워크플로우에 익숙한 연구자들이 쉽게 도입할 수 있도록 했다.
• `confint()` 및 `coef()` 함수를 통해 부트스트랩 또는 정규이론 기반의 구간을 자유롭게 추출할 수 있어, 연구자들이 필요에 따라 신뢰구간이나 p-값을 보고할 수 있도록 지원한다.