[论文解读] Robust Mediation Analysis: The R Package robmed

Andreas Alfons, Ateş, Nüfer Y.+1 more|EUR Research Repository (Erasmus University Rotterdam)|Feb 24, 2022

Conflict Management and Negotiation被引用 4

一句话总结

本文介绍了 R 包 robmed，该包基于 MM-估计量使用快速且稳健的自助法进行稳健中介分析，能够在非正态分布和异常值干扰下提供可靠的推断。与传统的基于普通最小二乘法（OLS）的自助法相比，该方法在各种分布和异常值情景下均展现出更优的 I 类错误控制能力和检验效能。

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.

研究动机与目标

• 解决传统中介分析对异常值和正态性假设偏离的敏感性问题。
• 为中介分析中的普通最小二乘法（OLS）为基础的自助法开发一种稳健替代方法。
• 使用 MM-估计量实现快速且稳健的自助程序，以提升在重尾和偏态误差分布下的可靠性。
• 提供用户友好的公式接口和诊断图，以支持模型解释与验证。
• 确保与现有工具（如 PROCESS 宏）的兼容性，提供相似的输出结构以及置信区间或 p 值选项。

提出的方法

• 采用 MM-估计量进行稳健回归，以最小化异常值对中介模型参数估计的影响。
• 应用快速且稳健的自助法，生成间接效应的稳定抽样分布。
• 使用单一公式接口指定完整中介模型，相比多次调用逐步回归，简化了模型设定。
• 实现诊断图以检测影响观测值并评估模型假设。
• 通过 `confint()` 和 `coef()` 函数中的 `type` 参数，同时提供基于自助法的置信区间和基于正态理论的区间。
• 支持通过自助重抽样估计总效应、直接效应和间接效应，并提供稳健标准误及显著性检验。

实验结果

研究问题

• RQ1 在非正态误差分布下，稳健中介分析与基于 OLS 的自助法相比表现如何？
• RQ2 当数据中存在异常值或重尾误差时，稳健自助法在多大程度上能保持 I 类错误控制？
• RQ3 与现有稳健替代方法相比，使用 MM-估计量的快速且稳健的自助法是否能提高检测间接效应的统计效能和准确性？
• RQ4 与基于数据清洗的方法（如 Zu 等，2010）相比，该稳健方法在可靠性与效率方面表现如何？
• RQ5 该包的接口在多大程度上能模拟 SPSS/SAS 中广泛使用的 PROCESS 宏，以促进研究人员的采用？

主要发现

• 基于 MM-估计量的稳健自助法在包括高峰度和偏态在内的多种分布中均保持了适当的 I 类错误率。
• 在存在异常值的情况下，稳健方法正确未能拒绝无间接效应的原假设（95% 置信区间：-0.294 至 -0.009），而基于 OLS 的方法错误地未能检测到显著性（95% 置信区间：-0.214 至 0.025）。
• 在数据污染和非正态性条件下，该稳健方法在控制家庭误差率和维持统计效能方面表现更优。
• 诊断图揭示了数据中存在重尾分布，解释了 OLS 与稳健结果之间的差异，支持在类似情况下使用稳健方法。
• 该包的输出结构与 PROCESS 宏高度相似，便于熟悉 SPSS/SAS 工作流的研究人员采用。
• `confint()` 和 `coef()` 函数支持灵活提取基于自助法或正态理论的区间，使研究人员可根据需要报告置信区间或 p 值。