การไกล่เกลี่ยวิเคราะห์สาเหตุโดยเนื้อแท้หรือไม่


19

ฉันสนใจที่จะทดสอบโมเดลการไกล่เกลี่ยอย่างง่ายกับหนึ่ง IV หนึ่ง DV และหนึ่งสื่อกลาง ผลทางอ้อมมีความสำคัญเมื่อทดสอบโดยมาโคร Preacher และ Hayes SPSS ซึ่งแนะนำว่าคนกลางทำหน้าที่เป็นสื่อกลางในการสื่อความสัมพันธ์

เมื่ออ่านเกี่ยวกับการไกล่เกลี่ยฉันได้อ่านสิ่งต่าง ๆ เช่น "โปรดสังเกตว่าแบบจำลองสื่อกลางเป็นแบบจำลองเชิงสาเหตุ" - เดวิดเคนนี แน่นอนฉันสามารถชื่นชมการใช้แบบจำลองการไกล่เกลี่ยเป็นแบบจำลองเชิงสาเหตุและแน่นอนถ้าแบบจำลองทางทฤษฎีฟังดูแล้วฉันจะเห็นว่ามันมีประโยชน์มาก

ในแบบจำลองของฉันอย่างไรก็ตามผู้ไกล่เกลี่ย (ลักษณะที่พิจารณาว่าเป็น diathesis สำหรับโรควิตกกังวล) ไม่ได้เกิดจากตัวแปรอิสระ (อาการของโรควิตกกังวล) ค่อนข้างคนกลางและตัวแปรอิสระมีความเกี่ยวข้องและฉันเชื่อว่าความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามสามารถอธิบายได้ส่วนใหญ่โดยความแปรปรวนระหว่าง IV-mediator-DV ในสาระสำคัญฉันพยายามแสดงให้เห็นว่ารายงานก่อนหน้านี้ของความสัมพันธ์ IV-DV สามารถอธิบายได้โดยผู้ไกล่เกลี่ยที่เกี่ยวข้องที่ไม่ได้เกิดจาก IV

การไกล่เกลี่ยมีประโยชน์ในกรณีนี้เนื่องจากอธิบายว่าความสัมพันธ์ IV-DV สามารถอธิบายทางสถิติโดยความสัมพันธ์ IV-Mediator-DV ได้อย่างไร ปัญหาของฉันคือคำถามเกี่ยวกับสาเหตุ การตรวจสอบกลับมาและบอกเราว่าการไกล่เกลี่ยไม่เหมาะสมเพราะในความเป็นจริง IV ไม่ได้เป็นสาเหตุของผู้ไกล่เกลี่ย (ซึ่งฉันจะไม่เคยโต้เถียงในตอนแรก)?

มันสมเหตุสมผลหรือไม่ ข้อเสนอแนะใด ๆ เกี่ยวกับเรื่องนี้จะได้รับการชื่นชมอย่างมาก!

แก้ไข : สิ่งที่ฉันหมายถึงคือ X มีความสัมพันธ์กับ Y ไม่ใช่เพราะมันทำให้ Y แต่เพราะ Z ทำให้ Y (บางส่วน) และเนื่องจาก X และ Z มีความสัมพันธ์กันสูง ค่อนข้างสับสน แต่ก็เป็นเช่นนั้น ความสัมพันธ์เชิงสาเหตุในตัวอย่างนี้ไม่ได้มีปัญหาจริงๆและต้นฉบับนี้ไม่ได้เกี่ยวกับสาเหตุมากนัก ฉันแค่พยายามแสดงให้เห็นว่าความแปรปรวนระหว่าง X และ Y สามารถอธิบายได้ด้วยความแปรปรวนระหว่าง Z และ Y ดังนั้นโดยทั่วไป X นั้นมีความสัมพันธ์ทางอ้อมกับ Y ถึง Z (ผู้ไกล่เกลี่ย "ในกรณีนี้)

คำตอบ:


15

A. "การไกล่เกลี่ย" ในความคิดหมายถึงสาเหตุ (ตามที่ Kenny อ้างถึงหมายถึง) แบบจำลองเส้นทางที่ปฏิบัติต่อตัวแปรในฐานะผู้ไกล่เกลี่ยจึงหมายถึงการถ่ายทอดว่าการรักษาบางอย่างมีอิทธิพลต่อตัวแปรผลลัพธ์ผ่านผลกระทบที่มีต่อผู้ไกล่เกลี่ยความแปรปรวนซึ่งทำให้ผลลัพธ์นั้นแตกต่างกันไป แต่การสร้างแบบจำลองสิ่งที่เป็น "คนกลาง" ไม่ได้หมายความว่ามันต้องเป็นผู้ไกล่เกลี่ย - นี่คือปัญหาสาเหตุ โพสต์และความคิดเห็นของคุณตามมาโครขอแนะนำให้คุณคำนึงถึงการวิเคราะห์เส้นทางที่ตัวแปรถูกจำลองเป็นสื่อกลาง แต่ไม่ได้ถูกมองว่าเป็น "สาเหตุ"; ฉันไม่ได้เห็นว่าทำไม คุณกำลังอ้างว่าความสัมพันธ์นั้นปลอม - มีตัวแปรที่สามที่ทำให้ทั้ง "ตัวแปรอิสระ" และ "ผู้ไกล่เกลี่ย" หรือไม่? และบางทีทั้ง "ตัวแปรอิสระ" และ "ผู้ไกล่เกลี่ย" ในการวิเคราะห์ของคุณนั้นเป็นผู้ไกล่เกลี่ยที่มีอิทธิพลต่อตัวแปรผลลัพธ์ตัวที่สามหรือไม่? ถ้าเป็นเช่นนั้นผู้ตรวจสอบ (หรือบุคคลที่มีน้ำใจ) จะต้องการทราบว่าตัวแปรตัวที่ 3 คืออะไรและหลักฐานอะไรที่คุณมีว่ามันเป็นความรับผิดชอบของความสัมพันธ์ระหว่างสิ่งที่อยู่ในความจริง

B. ในการขยายโพสต์ของมาโครนี่เป็นพุ่มที่มีชื่อเสียงโด่งดังซึ่งปกคลุมไปด้วยความเชื่อและนักวิชาการ แต่นี่คือไฮไลท์บางส่วน:

  1. บางคนคิดว่าคุณสามารถ "พิสูจน์" การไกล่เกลี่ยได้หากคุณจัดการกับผู้ไกล่เกลี่ยรวมทั้งอิทธิพลที่ได้รับการตั้งสมมติฐานเพื่อใช้ผลกระทบเชิงสาเหตุ ดังนั้นหากคุณทำการทดลองที่จัดการเฉพาะอิทธิพลเชิงสาเหตุและสังเกตว่าผลกระทบที่มีต่อตัวแปรผลลัพธ์นั้นสะท้อนจากการเปลี่ยนแปลงของผู้ไกล่เกลี่ยพวกเขาต้องการ "ไม่! ไม่ดีพอ!" โดยพื้นฐานแล้วพวกเขาไม่คิดว่าวิธีการสังเกตที่สนับสนุนการอนุมานเชิงสาเหตุและผู้ไกล่เกลี่ยที่ไม่ได้จัดการในการทดลองเป็นเพียงกรณีพิเศษสำหรับพวกเขา

  2. คนอื่น ๆ ที่ไม่ได้แยกการอนุมานเชิงสาเหตุจากการศึกษาเชิงสังเกตจากมือ แต่ก็เชื่อว่าถ้าคุณใช้วิธีการทางสถิติที่ซับซ้อนจริงๆจริงๆ (รวมถึง แต่ไม่ จำกัด เฉพาะโมเดลสมการเชิงโครงสร้างที่เปรียบเทียบเมทริกซ์ความแปรปรวนร่วมกับความสัมพันธ์ สำหรับทางเลือกต่าง ๆ ) คุณสามารถปิดปากนักวิจารณ์ที่ฉันเพิ่งพูดถึงได้อย่างมีประสิทธิภาพ โดยทั่วไปนี่คือบารอนและเคนนี่ แต่ใช้กับสเตียรอยด์ สังเกตุการพูดพวกเขาไม่ได้ทำให้พวกเขาเงียบ ฉันไม่เห็นว่าพวกเขาทำได้

  3. ยังมีคนอื่น ๆ ที่โดดเด่นที่สุดคือจูเดียเพิร์ลบอกว่าความสมบูรณ์ของการอนุมานเชิงสาเหตุในการศึกษาเชิงทดลองหรือเชิงสังเกตการณ์นั้นไม่สามารถพิสูจน์ได้ด้วยสถิติ ความแข็งแรงของการอนุมานนั้นมีอยู่ในความถูกต้องของการออกแบบ สถิติยืนยันเฉพาะผลการพิจารณาสาเหตุข้อสรุปหรือขึ้นอยู่กับ

การอ่านบางอย่าง (ซึ่งทั้งหมดเป็นเรื่องดีไม่ใช่ dogmatic หรือ scholastic):

สุดท้าย แต่ก็ไม่ใช่อย่างน้อยส่วนหนึ่งของการแลกเปลี่ยนที่เจิดจ้าระหว่าง Gelman และ Pearl ในการอนุมานสาเหตุซึ่งการไกล่เกลี่ยเป็นจุดศูนย์กลาง: http://andrewgelman.com/2007/07/identification/


ขอบคุณสำหรับการตอบกลับของคุณ. ฉันจะพยายามอธิบายวิธีการของฉันอย่างละเอียด วรรณคดีได้พิจารณาว่า X เกี่ยวข้องกับ Y, Z เกี่ยวข้องกับ Y และ X เกี่ยวข้องกับ Z ไม่มีใครเคยคิดว่าความเป็นไปได้ที่ X เกี่ยวข้องกับ Y เนื่องจากความสัมพันธ์กับ Z. โดยทำการวิเคราะห์สื่อกลางฉันหวังว่าจะแสดงให้เห็นว่า ความสัมพันธ์ระหว่าง X และ Y สามารถอธิบายได้โดยความสัมพันธ์ระหว่าง X และ Z โดยทั่วไปความแปรปรวนที่แบ่งปันระหว่าง X และ Y นั้นเกิดจากความแปรปรวนซ้อนทับระหว่าง X และ Z (และ Y) ในทางทฤษฎีฉันอยากจะแนะนำว่าควรพิจารณา Z (มากกว่า X) ในแบบจำลองเชิงทฤษฎี
Behacad

สิ่งที่ฉันยังไม่แน่ใจก็คือสิ่งที่คุณหมายถึงโดย "ความเป็นไปได้ที่ X เกี่ยวข้องกับ Y เนื่องจากความสัมพันธ์กับ Z " คุณกำลังพูดว่าความสัมพันธ์ระหว่าง X & Y นั้นปลอมหรือไม่ นั่นทำให้ทั้งคู่ Z หรืออีกทางหนึ่งที่ X เป็นสื่อกลางของอิทธิพลของ Z ต่อ Y? คนอื่นอาจไม่เห็นด้วย - เราเข้าไปในป่าทึบ - แต่นี่คือที่ที่ฉันคิดว่า Pearl เข้ามาการวิเคราะห์การไกล่เกลี่ยไม่สามารถบอกได้ว่าสิ่งใดเป็นจริง: X -> Z -> Y; Z -> X, Z -> Y; หรือ Z -> X -> Y. ทั้งหมดสามารถ "พอดี"; การอนุมานเชิงสาเหตุขึ้นอยู่กับสมมติฐานที่เกี่ยวข้องกับแบบจำลองทางสถิติที่นี่
dmk38

สิ่งที่ฉันหมายถึงคือ X มีความสัมพันธ์กับ Y ไม่ใช่เพราะมันทำให้ Y แต่เพราะ Z ทำให้ Y และเพราะ X และ Z มีความสัมพันธ์สูง ค่อนข้างสับสน แต่ก็เป็นเช่นนั้น ความสัมพันธ์เชิงสาเหตุในตัวอย่างนี้ไม่ได้เป็นปัญหาจริงๆ ฉันเพียงแค่พยายามแสดงให้เห็นว่าความแปรปรวนระหว่าง X และ Y สามารถอธิบายได้ด้วยความแปรปรวนระหว่าง Z และ Y ดังนั้นโดยทั่วไป X นั้นมีความสัมพันธ์ทางอ้อมกับ Y ถึง Z บางทีปัญหาทั้งหมดของฉันเรียกว่า "การไกล่เกลี่ย" ในขณะที่ฉันควรจะอ้างถึง ปรากฏการณ์นี้รบกวน บางที McKinnon, Krull และ Lockwood (2000) อาจช่วยได้
Behacad

1
ดังที่แมคคินนอนครัลล์และล็อควู้ดแนะนำการไกล่เกลี่ยและการทำให้สับสนนั้นเหมือนกัน แนวคิดคือความแตกต่าง "แตกต่างจากสมมติฐานของสื่อกลางการรบกวนไม่จำเป็นต้องบ่งบอกถึงความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรในความเป็นจริงอย่างน้อยหนึ่งคำจำกัดความของเอฟเฟกต์เสียงรบกวนโดยเฉพาะต้องการให้ตัวแปรที่สามไม่ใช่ตัวแปร" กลาง "... - dionysus.psych .wisc.edu / Lit / หัวข้อ / สถิติ / การไกล่เกลี่ย / … .
Behacad

"confounder" เป็นตัวแปรตัวที่ 3 ที่ทำให้เกิดความสัมพันธ์แบบลวงตา ดังนั้นในกรณีของคุณ Z คือผู้สับสน - ถ้ามันทำให้ทั้ง X และ Y และเอาชนะการอนุมาน X-> Y แต่คุณดูเหมือนจะต้องการพูดว่า "สหสัมพันธ์" ระหว่าง X และ Z "อธิบาย" ความสัมพันธ์ระหว่าง X และ Y และทำให้ออกกฎ X ทำให้ Y คุณต้องการมากกว่านั้น คุณต้องมีการอนุมานสาเหตุเกี่ยวกับความสัมพันธ์ระหว่าง Z และ X ที่ออกกฎ X-> Y มิฉะนั้นความสัมพันธ์ของ ZX จะยังคงสอดคล้องกับ X-> YEg, X อาจไกล่เกลี่ยผลกระทบของ Z ต่อ Y ความสัมพันธ์ง่ายๆไม่ได้ "อธิบาย" เท่าที่คุณหวัง
dmk38

13

เวรกรรมและการไกล่เกลี่ย

  • แบบจำลองการไกล่เกลี่ยทำให้การเรียกร้องทางทฤษฎีเกี่ยวกับเวรกรรม
    • รูปแบบที่นำเสนอว่าIVเป็นสาเหตุที่ทำให้DVและว่าผลกระทบนี้จะทั้งหมดหรือบางส่วนที่อธิบายไว้โดยห่วงโซ่ของเวรกรรมอย่างไรIVทำให้เกิดซึ่งจะเป็นสาเหตุที่ทำให้MEDIATORDV
  • การสนับสนุนรูปแบบการทำสมาธิไม่ได้พิสูจน์เส้นทางที่เป็นสาเหตุที่เสนอ
    • การทดสอบทางสถิติของการไกล่เกลี่ยมักขึ้นอยู่กับการศึกษาเชิงสังเกต ช่วงของการตีความสาเหตุทางเลือกมีขนาดใหญ่ (เช่นตัวแปรที่สามทิศทางที่เป็นทางเลือกการแลกเปลี่ยนซึ่งกันและกัน ฯลฯ )
    • โดยทั่วไปแล้วฉันไม่ได้รับการโน้มน้าวจากข้อโต้แย้ง (ถ้ามี) ที่นำเสนอโดยนักวิจัยที่เสนอการอ้างสิทธิ์เชิงสาเหตุโดยนัยในแบบจำลองการไกล่เกลี่ย
  • การสนับสนุนรูปแบบสื่อกลางอาจให้หลักฐานเพื่อเสริมแหล่งที่มาของหลักฐานอื่นเมื่อสร้างการโต้แย้งสำหรับการอ้างเหตุผล โดยสรุปความสัมพันธ์ไม่ได้พิสูจน์สาเหตุ แต่ก็สามารถให้หลักฐานเพิ่มเติมได้
  • แม้จะมีข้อ จำกัด ของการทดสอบการไกล่เกลี่ยในการศึกษาเชิงสังเกต (ก) แบบจำลองการไกล่เกลี่ยเป็นสิ่งที่ดีสำหรับการทำให้นักวิจัยคิดถึงเส้นทางที่เป็นสาเหตุและ (b) มีวิธีที่ดีกว่าและแย่กว่าในการเขียนแบบจำลองการไกล่เกลี่ย ให้การอภิปรายเชิงทฤษฎีอย่างถี่ถ้วนเกี่ยวกับหลักฐานทั้งในเส้นทางสาเหตุเชิงสาเหตุและเส้นทางสาเหตุเชิงเลือก ( ดูหน้าคำแนะนำที่ฉันเตรียมไว้ )
  • @ dmk38 ได้ให้การอ้างอิงที่ดีเยี่ยมและมีการสนทนาเพิ่มเติม

แสดงว่าตัวแปรอธิบายการคาดการณ์ของตัวแปรอื่น

  • จากคำอธิบายของคุณแล้วสื่อกลางดูเหมือนจะไม่สอดคล้องกับคำถามการวิจัยของคุณ ดังนั้นฉันจะหลีกเลี่ยงการใช้ภาษาของสื่อกลางในการวิเคราะห์ของคุณ
  • ตามที่ฉันเข้าใจแล้วคำถามการวิจัยของคุณเกี่ยวข้องกับการคาดคะเนของตัวแปรหนึ่งตัว (ให้เรียกว่าX1แทนIV) บนDVตัวแปรนั้นอธิบายโดยตัวแปรที่สอง (ให้เรียกมันX2แทนMEDIATOR) คุณอาจจะยังได้รับการเรียกร้องสาเหตุเช่นX2สาเหตุDVแต่X1มีความสัมพันธ์เฉพาะกับและไม่ก่อให้เกิดX2DV
  • มีการทดสอบทางสถิติหลายอย่างที่อาจเหมาะสำหรับการทดสอบคำถามการวิจัยนี้:
    • เปรียบเทียบ zero-order ( X1กับDV) กับความสัมพันธ์กึ่งบางส่วน ( X1บางส่วนX2กับDV) ฉันคิดว่าองค์ประกอบที่น่าสนใจคือระดับการลดลงและไม่ได้มีนัยสำคัญทางสถิติมากนัก (แม้ว่าแน่นอนว่าคุณต้องการได้รับช่วงความมั่นใจในการลดลงนั้น)
    • หรือในทำนองเดียวกันให้เปรียบเทียบ R-square ที่เพิ่มขึ้นของการถดถอยเชิงลำดับชั้นที่คุณเพิ่มX2ในบล็อก 1 และX1บล็อก 2 กับ R-Square ของโมเดลที่มีX1การทำนายเพียงDVอย่างเดียว
    • ผมคิดว่าคุณยังสามารถวาดแผนภาพเส้นทางที่สอดคล้องกับสมมติฐานสาเหตุของคุณ (เช่นลูกศรหัวคู่ระหว่างX1และX2และลูกศรหัวเดียวระหว่างและX2DV

(+1) ชัดเจนและตรงประเด็นมาก
NRH

ฉันคิดว่าคุณถูกจับ แม้ว่าคำตอบของ dmk38 นั้นยอดเยี่ยมมากในแง่ทฤษฎีเกี่ยวกับปัญหาพื้นฐาน แต่นี่คือ soultions ฉันจะไปด้วยความสัมพันธ์บางส่วนหรือการถดถอยเชิงลำดับชั้นเพื่อแสดงว่าจะต้องมีตัวแปรที่สามที่ก่อให้เกิดผล ภาษาของการไกล่เกลี่ยเข้าใจผิดอย่างสมบูรณ์ในบริบทนี้เนื่องจากเป็นสาเหตุโดยเนื้อแท้
Henrik

ขอบคุณมากที่มีประโยชน์ ความสัมพันธ์ "เชิงสาเหตุ" นั้นค่อนข้างซับซ้อนเนื่องจากลักษณะของสิ่งปลูกสร้างที่ฉันกำลังศึกษา (เช่นลักษณะสองประเภทที่มีอิทธิพลต่อกันตลอดชีวิต) ซึ่งทำให้น้ำขุ่นมากขึ้น ขอบคุณอีกครั้ง!
Behacad

0

ฉันเชื่อว่าตัวแปรเหล่านั้นที่คุณกำลังพูดถึงอาจจะได้รับการพิจารณาว่าเป็นตัวแปร 'ควบคุม' หาก IV ไม่ได้ทำให้พวกเขาหรือผู้ดูแลถ้าคุณคาดว่าจะมีผลกระทบต่อการโต้ตอบ ลองใช้กระดาษแล้วคิดในใจสักสองสามครั้งหรือวาดเอฟเฟกต์ที่ตั้งสมมติฐานไว้


0

บางทีภาษาที่ดีกว่าหรืออย่างน้อยก็สับสนน้อยก็คือความสัมพันธ์แบบลวงตา ตัวอย่างทั่วไปของเรื่องนี้คือการบริโภคไอศกรีมมีความสัมพันธ์กับการจมน้ำ ดังนั้นบางคนอาจคิดว่าการบริโภคไอศกรีมทำให้จมน้ำ ความสัมพันธ์ที่ผิดพลาดเกิดขึ้นเมื่อตัวแปร "moderating" ตัวที่สามเป็นสาเหตุที่เกี่ยวกับสองตัวแรก ในตัวอย่างของเราเราดูการขายไอศกรีมและการจมน้ำในเวลาและลืมเกี่ยวกับผลกระทบตามฤดูกาลที่ควบคุมโดยอุณหภูมิและแน่นอนกินไอศกรีมมากขึ้นเมื่อมันร้อนและคนจมน้ำมากขึ้นเพราะหาทางบรรเทา จากความร้อนด้วยการว่ายน้ำและรับประทานไอศครีม บางตัวอย่างอารมณ์ขัน

จากนั้นคำถามก็จะยิ่งทวีความรุนแรงมากขึ้น และมันกลับกลายเป็นว่าพวกมันถูกใช้เพราะคนไม่ได้ทดสอบทฤษฎีของพวกเขา ตัวอย่างเช่นการทำงานของไตมักจะ "ปกติ" ให้กับพื้นผิวร่างกายโดยประมาณตามสูตรของน้ำหนักและส่วนสูง

ตอนนี้พื้นที่ผิวของร่างกายไม่ก่อให้เกิดปัสสาวะในรูปแบบและในน้ำหนักและส่วนสูงสูตรน้ำหนักเป็นสาเหตุทางกฎหมาย Kleiber ของและความสูงจริงทำให้สูตรการทำนายน้อย


0

ฉันเจอบทความนี้ในงานวิจัยของฉันเองซึ่งเกี่ยวข้องกับการอนุมานเชิงสาเหตุในบริบทของจีโนมิกส์ ความพยายามในการไตร่ตรองเกี่ยวกับสาเหตุในโดเมนนี้มักเกิดจากการเล่นกับวิธีการที่รหัสพันธุกรรมของบุคคลสามารถคิดได้ว่าเป็นแบบสุ่ม (เนื่องจากวิธีการสร้างเซลล์เพศและจับคู่ในที่สุด) การมีเพศสัมพันธ์กับการกลายพันธุ์ที่เป็นที่รู้จักที่เกี่ยวข้องกับทั้ง "ผู้ไกล่เกลี่ย" และการตอบสนองขั้นสุดท้ายใคร ๆ ก็สามารถให้เหตุผลผลกระทบเชิงสาเหตุของผู้ไกล่เกลี่ยในการตอบสนองนั้นภายใต้คำจำกัดความบางประการของเวรกรรม

ในกรณีที่คุณใช้รูปแบบการไกล่เกลี่ยและไม่อ้างสิทธิ์แบบเวรกรรมฉันไม่สามารถคิดได้ว่าทำไมผู้ตรวจสอบจะโต้แย้ง แม้ว่าคุณอาจจะต้องแยกแยะว่าเอฟเฟ็กต์การไกล่เกลี่ยที่คุณสังเกตเห็นนั้นสับสนหรือไม่โดยตัวแปรที่สาม

หากคุณสนใจเกี่ยวกับเวรกรรมอย่างชัดเจนคุณอาจต้องการค้นหาวิธีการจากระบาดวิทยาเช่นMendelian Randomizationหรือ " การทดสอบการอนุมานเชิงสาเหตุ " หรือเริ่มต้นด้วยการวิเคราะห์ตัวแปร Instrumental

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.