क्या मध्यस्थता विश्लेषण स्वाभाविक कारण हैं?

Question

मैं एक IV, एक DV और एक मध्यस्थ के साथ एक साधारण मध्यस्थता मॉडल का परीक्षण करने में रुचि रखता हूं। अप्रत्यक्ष प्रभाव प्राइचर और हेस एसपीएसएस मैक्रो द्वारा परीक्षण के रूप में महत्वपूर्ण है, जो बताता है कि मध्यस्थ मध्यस्थ के रिश्ते की सेवा करता है।

मध्यस्थता के बारे में पढ़ते हुए मैंने "ध्यान दें कि एक मध्यस्थ मॉडल एक कारण मॉडल है" जैसी चीजों को पढ़ा है। - डेविड केनी । मैं निश्चित रूप से मध्यस्थता मॉडल के कारण मॉडल के उपयोग की सराहना कर सकता हूं, और वास्तव में, यदि कोई मॉडल सैद्धांतिक रूप से ध्वनि है, तो मैं इसे बहुत उपयोगी देख सकता हूं।

मेरे मॉडल में, हालांकि, मध्यस्थ (चिंता विकारों के लिए एक लक्षण माना जाता है) स्वतंत्र चर (चिंता विकार के लक्षण) के कारण नहीं होता है। बल्कि, मध्यस्थ और स्वतंत्र चर संबंधित हैं, और मेरा मानना ​​है कि स्वतंत्र चर और आश्रित चर के बीच संबंध को मोटे तौर पर IV-मध्यस्थ-DV के बीच के विचरण द्वारा समझाया जा सकता है। संक्षेप में, मैं यह प्रदर्शित करने की कोशिश कर रहा हूं कि IV-DV संबंध की पिछली रिपोर्टों को संबंधित मध्यस्थ द्वारा समझाया जा सकता है जो IV के कारण नहीं है।

मध्यस्थता इस मामले में उपयोगी है क्योंकि यह बताता है कि IV-DV संबंध को IV-मध्यस्थ-DV संबंध द्वारा सांख्यिकीय रूप से कैसे समझाया जा सकता है। मेरी समस्या कार्य-कारण का प्रश्न है। क्या कोई समीक्षा वापस आ सकती है और हमें बता सकती है कि मध्यस्थता उचित नहीं है क्योंकि IV वास्तव में मध्यस्थ का कारण नहीं है (जो मैंने पहले कभी नहीं तर्क दिया होगा)?

इसका कोई मतलब भी है क्या? इस मामले पर कोई प्रतिक्रिया बहुत सराहना की जाएगी!

संपादित करें : मेरे कहने का मतलब यह है कि X का संबंध Y से नहीं है क्योंकि यह Y का कारण बनता है, लेकिन क्योंकि Z का कारण Y (आंशिक रूप से) है और क्योंकि X और Z अत्यधिक सहसंबद्ध हैं। थोड़ा भ्रमित, लेकिन यह बात है। इस उदाहरण में कारण संबंध वास्तव में प्रश्न में नहीं हैं और यह पांडुलिपि कार्य-कारण के बारे में इतना अधिक नहीं है। मैं बस यह दिखाना चाहता हूं कि X और Y के बीच के विचरण को Z और Y के बीच विचरण द्वारा समझाया जा सकता है। इसलिए मूल रूप से, X का Z के माध्यम से परोक्ष रूप से Z (इस मामले में "मध्यस्थ") से संबंध है।

Answer 1

A. "मध्यस्थता" वैचारिक रूप से कार्य का अर्थ है (जैसा कि केनी उद्धरण इंगित करता है)। पथ मॉडल है कि एक मध्यस्थ के इस प्रकार व्यक्त करने के लिए है कि कुछ उपचार एक परिणाम चर प्रभावित कर रहा है मतलब के रूप में एक चर का इलाज के माध्यम से मध्यस्थ पर उसके प्रभाव, विचरण, जिसमें बारी में कारण बनता परिणाम भिन्न हो सकते हैं। लेकिन एक "मध्यस्थ" के रूप में कुछ मॉडलिंग करने का मतलब यह नहीं है कि यह वास्तव में हैएक मध्यस्थ - यह करणीय मुद्दा है। मैक्रों के जवाब में आपकी पोस्ट और टिप्पणी से आपको पता चलता है कि आपके पास एक पथ विश्लेषण है जिसमें एक चर को मध्यस्थ के रूप में तैयार किया गया है, लेकिन इसे "कारण" के रूप में नहीं देखा गया है; मैं काफी क्यों नहीं देख रहा हूँ, यद्यपि। क्या आप इस बात को स्वीकार कर रहे हैं कि यह संबंध बहुत ही खराब है - कि कुछ 3 चर हैं जो "स्वतंत्र चर" और "मध्यस्थ" दोनों का कारण बन रहे हैं? और हो सकता है कि दोनों "स्वतंत्र चर" और आपके विश्लेषण में "मध्यस्थ" वास्तव में परिणाम चर पर 3 चर के प्रभाव के मध्यस्थ हैं? यदि ऐसा है, तो एक समीक्षक (या कोई भी विचारशील व्यक्ति) यह जानना चाहेगा कि तीसरा चर क्या है और आपके पास क्या सबूत हैं कि यह वास्तव में मध्यस्थों के बीच सहज रिश्तों के लिए जिम्मेदार है।

बी। मैक्रों के पद का विस्तार करने के लिए, यह एक कुख्यात थिक है, हठधर्मिता और विद्वता के साथ अतिशयोक्ति। लेकिन यहां कुछ मुख्य बातें हैं:

1. कुछ लोग सोचते हैं कि आप केवल "सिद्ध" मध्यस्थता कर सकते हैं यदि आप प्रयोगात्मक रूप से मध्यस्थ के साथ-साथ उस प्रभाव को भी हेरफेर करते हैं जो कारण प्रभाव को बढ़ाने के लिए परिकल्पित है। तदनुसार, यदि आपने एक ऐसा प्रयोग किया है जो केवल कारण प्रभाव को हेरफेर करता है और देखा गया है कि परिणाम चर पर इसके प्रभाव को मध्यस्थ में परिवर्तन द्वारा प्रतिबिंबित किया गया था, तो वे ऐसा करेंगे "नहीं! बहुत अच्छा नहीं है!" मूल रूप से, हालांकि, उन्हें नहीं लगता है कि वे अवलोकन के तरीकों को कभी भी कारण का समर्थन करते हैं और प्रयोगों में मानव रहित मध्यस्थ उनके लिए सिर्फ एक विशेष मामला है।

2. अन्य लोग, जो अवलोकन संबंधी अध्ययनों से कारण संबंधी निष्कर्षों को हाथ से बाहर नहीं निकालते हैं, फिर भी यह मानते हैं कि यदि आप वास्तव में वास्तव में जटिल सांख्यिकीय विधियों का उपयोग करते हैं (जिसमें संरचनात्मक समीकरण मॉडल तक सीमित नहीं हैं, जो उन लोगों के साथ सकारात्मक ध्यान संबंध के लिए सहसंयोजक मैट्रिक्स की तुलना करते हैं। विभिन्न विकल्पों के लिए), आप उन आलोचकों को प्रभावी रूप से चुप करा सकते हैं जिनका मैंने अभी उल्लेख किया है। मूल रूप से यह बैरन एंड केनी है, लेकिन स्टेरॉयड पर। जाहिर है, उन्होंने उन्हें चुप नहीं कराया; तार्किक रूप से, मैं नहीं देखता कि वे कैसे कर सकते हैं।

3. अभी भी अन्य, सबसे विशेष रूप से, यहूदिया पर्ल का कहना है कि प्रयोगात्मक या अवलोकन अध्ययनों में कारण निष्कर्षों की ध्वनि कभी भी w / सांख्यिकी साबित नहीं हो सकती है; अनुमान की ताकत डिजाइन की वैधता में विरासत में मिली है। सांख्यिकी केवल प्रभाव कारण निष्कर्ष की पुष्टि करती है या पर निर्भर करती है।

कुछ रीडिंग (जो सभी अच्छे हैं नहीं लकीर का फकीर बना या शैक्षिक):

• ग्रीन, डीपी, हा, एसई और बैल, जेजी पर्याप्त "ब्लैक बॉक्स" प्रयोगों के बारे में पहले से ही: अध्ययन की मध्यस्थता अधिकांश विद्वानों की तुलना में अधिक कठिन है। अमेरिकन एकेडमी ऑफ पॉलिटिकल एंड सोशल साइंस 628, 200-208 (2010)।

• सोबेल, ME मध्यस्थता वाले चर के साथ यादृच्छिक अध्ययन में कोशल पैरामीटर्स की पहचान। जर्नल ऑफ एजुकेशनल एंड बिहेवियरल स्टैटिस्टिक्स 33, 230-251 (2008) ।

• पर्ल, जे। कॉज़ल इंफ़ेक्शन का एक परिचय। इंटरनेशनल जर्नल ऑफ बायोस्टैटिस्टिक्स 6, अनुच्छेद 7 (2010) ।

अंतिम लेकिन किसी भी तरह से कम से कम, जेल्मन और पर्ल के बीच एक शांत विनिमय का एक कारण, जिसमें मध्यस्थता केंद्रीय फोकस थी: http://andrewgelman.com/2007/07/identification/

Comments

आपके जवाब के लिए धन्यवाद। मैं अपने तरीके को विस्तृत करने की कोशिश करूंगा। साहित्य ने निर्धारित किया है कि X का संबंध Y से है, Z का संबंध Y से है, और X का संबंध Z से है। किसी ने पहले इस संभावना पर विचार नहीं किया है कि X का Z से संबंध होने के कारण Y से संबंधित है। मध्यस्थता विश्लेषण करके मैंने यह प्रदर्शित करने की आशा व्यक्त की। एक्स और वाई के बीच के संबंध को एक्स और जेड के बीच के संबंध से समझाया जा सकता है। मूल रूप से, एक्स और वाई के बीच साझा किया गया विचरण एक्स और जेड (और वाई) के बीच अतिव्यापी विचरण के कारण है। सैद्धांतिक रूप से, मैं सुझाव देना चाहता हूं कि सैद्धांतिक मॉडल में जेड (एक्स के बजाय) पर विचार किया जाना चाहिए।

— बीकाड

मैं अभी भी काफी निश्चित नहीं हूं कि आप का क्या मतलब है "यह संभावना है कि एक्स, जेड के साथ अपने संबंधों के कारण वाई से संबंधित है ।" क्या आप यह कह रहे हैं कि X & Y के बीच संबंध सहज है? वह Z दोनों का कारण बनता है? या वैकल्पिक रूप से कि X, Y पर Z के प्रभाव का मध्यस्थ है? अन्य लोग असहमत हो सकते हैं - हम थिकसेट में प्रवेश कर सकते हैं - लेकिन यह वह जगह है जहां मुझे लगता है कि पर्ल अंदर आता है। मध्यस्थता विश्लेषण आपको यह नहीं बता सकता है कि इनमें से कौन सा सच है: एक्स -> जेड -> वाई; जेड -> एक्स, जेड -> वाई; या जेड -> एक्स -> वाई। सभी "फिट" कर सकते थे; कारण निष्कर्ष, सांख्यिकीय मॉडल के लिए बाहरी मान्यताओं पर निर्भर करता है।

— dmk38

मेरे कहने का मतलब यह है कि X का संबंध Y से नहीं है क्योंकि यह Y का कारण बनता है, लेकिन क्योंकि Z Y का कारण बनता है और क्योंकि X और Z अत्यधिक सहसंबद्ध हैं। थोड़ा भ्रमित, लेकिन यह बात है। इस उदाहरण में कारण संबंध वास्तव में सवाल में नहीं हैं। मैं बस यह दिखाना चाहता हूं कि X और Y के बीच का विचरण Z और Y के बीच विचरण द्वारा समझाया जा सकता है। इसलिए मूल रूप से, कि X का Z के माध्यम से परोक्ष रूप से Y से संबंध है। शायद मेरी पूरी समस्या यह "मध्यस्थता" कह रही है जबकि मुझे इसका उल्लेख करना चाहिए। जटिल के रूप में इस घटना। शायद मैकिनन, क्रुल और लॉकवुड (2000) मदद करेंगे।

— बेहकाड

मैककिनोन के रूप में, क्रूल और लॉकवुड का सुझाव है, मध्यस्थता और भ्रम की स्थिति सांख्यिकीय समान हैं। वैचारिक रूप से वे अलग हैं। "मध्यस्थ परिकल्पना के विपरीत, कन्फ़्यूज़निंग से चर के बीच एक कारण संबंध जरूरी नहीं होता है। वास्तव में, कन्फ़्यूडर प्रभाव की कम से कम एक परिभाषा विशेष रूप से आवश्यक है कि तीसरा चर" इंटरमीडिएट "वेरिएबल न हो ..." - dionysus.psych .wisc.edu / Lit / विषय / सांख्यिकी / मध्यस्थता /… ।

— बेहकाड

"कन्फ़्यूडर" 3 चर है जो स्पार्कियस सहसंबंध का कारण बनता है। तो आपके मामले में, Z कन्फ्यूडर है - यदि यह X और Y दोनों का कारण बन रहा है, और इस तरह से एक्स-> Y को हराया है। लेकिन आप X और Z के बीच एक "सहसंबंध" कहना चाहते हैं, एक्स और वाई के बीच के संबंध को "समझाता है" और इस तरह एक्स के नियमों का कारण बनता है । वाई से आपको अधिक की आवश्यकता होती है। आपको Z और X के बीच संबंध के बारे में एक कारण निष्कर्ष की आवश्यकता है जो X-> Y से बाहर हो। अन्यथा ZX सहसंबंध अभी भी X-> YEg के अनुरूप हो सकता है, X, Y पर Z के प्रभाव का मध्यस्थता कर सकता है। साधारण सहसंबंध आप जितनी उम्मीद करते हैं, उतना "समझा" नहीं रहे हैं।

— dmk38

Answer 2

कारण और मध्यस्थता

• एक मध्यस्थता मॉडल कार्य-कारण के बारे में सैद्धांतिक दावे करता है।
  • मॉडल प्रस्तावित करता है कि IVकारण और- DVऔर यह प्रभाव पूरी तरह से या आंशिक रूप से कार्य-कारण की एक श्रृंखला द्वारा समझाया गया है, जिसके IVकारण MEDIATORइसके कारण होते हैं DV।
• एक मध्यस्थ मॉडल के लिए समर्थन प्रस्तावित कारण मार्ग को साबित नहीं करता है।
  • मध्यस्थता के सांख्यिकीय परीक्षण आम तौर पर अवलोकन अध्ययनों पर आधारित होते हैं। वैकल्पिक कारण व्याख्याओं की सीमा बड़ी है (उदाहरण के लिए, तीसरे चर, वैकल्पिक निर्देश, पारस्परिकता, आदि)
  • मैं आमतौर पर शोधकर्ताओं द्वारा प्रस्तुत तर्क (यदि कोई हो) से सहमत नहीं हूं, जो मध्यस्थता मॉडल में निहित कारण संबंधी दावों का प्रस्ताव करता है।
• एक मध्यस्थ मॉडल के लिए समर्थन एक साक्ष्य दावे के लिए एक तर्क का निर्माण करते समय साक्ष्य के अन्य स्रोतों को पूरक करने के लिए सबूत प्रदान कर सकता है। सारांश में, सहसंबंध कार्य-कारण साबित नहीं होता है, लेकिन यह पूरक साक्ष्य प्रदान कर सकता है।
• अवलोकन संबंधी अध्ययनों में मध्यस्थता के परीक्षणों की सीमाएं होने के बावजूद, (ए) मध्यस्थता मॉडल शोधकर्ताओं के लिए कारण मार्गों के बारे में सोचने के लिए अच्छे हैं, और (बी) मध्यस्थता मॉडल लिखने के लिए बेहतर और बुरे तरीके हैं, जहां बेहतर तरीके व्याख्या में बारीकियों को स्वीकार करते हैं और प्रस्तावित कारण मार्ग और वैकल्पिक कारण मार्ग दोनों के लिए साक्ष्य की गहन सैद्धांतिक चर्चा प्रदान करें ( युक्तियों के इस पृष्ठ को देखें जो मैंने तैयार किए थे )।
• @ dmk38 ने कुछ उत्कृष्ट संदर्भ और अतिरिक्त चर्चा प्रदान की है।

यह दर्शाता है कि एक चर दूसरे चर की भविष्यवाणी की व्याख्या करता है

• आपके विवरण के आधार पर, मध्यस्थता आपके शोध प्रश्न के साथ संरेखित नहीं होती है । जैसे कि मैं आपके विश्लेषण में मध्यस्थता की भाषा का उपयोग करने से बचूंगा।
• मैं यह समझ के रूप में, अपने शोध सवाल यह है कि एक चर की भविष्यवाणी (इसे कहते की सुविधा देता है के साथ संबंध है X1के बजाय IVपर) DVएक दूसरे चर द्वारा समझाया गया है (देता है इसे कहते X2बजाय MEDIATOR)। तुम भी तरह कारण दावे कर हो सकता है X2का कारण बनता है DV, लेकिन X1केवल साथ जोड़ा जाता है X2और का कारण नहीं है DV।
• कई सांख्यिकीय परीक्षण हैं जो इस शोध प्रश्न के परीक्षण के लिए उपयुक्त हो सकते हैं:
  • तुलना शून्य आदेश ( X1साथ DV) अर्द्ध आंशिक सहसंबंध के साथ ( X1बाहर partialling X2साथ DV)। मुझे लगता है कि दिलचस्प तत्व कमी की डिग्री होगा और इतना सांख्यिकीय महत्व नहीं होगा (हालांकि निश्चित रूप से आप उस कमी पर कुछ विश्वास अंतराल प्राप्त करना चाहेंगे)।
  • या इसी तरह, एक पदानुक्रमित प्रतिगमन के वृद्धिशील आर-वर्ग की तुलना करें जहां आप X2ब्लॉक 1 और X1ब्लॉक 2 में एक मॉडल के आर-वर्ग के साथ सिर्फ X1भविष्यवाणी करते हैं DV।
  • मैं तुम्हें भी एक पथ आरेख है कि आपके कारण मान्यताओं (जैसे, के बीच डबल सिर वाले तीर के साथ गठबंधन आकर्षित कर सकता है कल्पना X1और X2और के बीच एक भी सिरों वाला तीर X2और DV।

Comments

(+1), बहुत स्पष्ट और बात तक।

— NRH

लगता है आपने उसे पकड़ लिया। यद्यपि dmk38 का उत्तर अंतर्निहित समस्या के बारे में सैद्धांतिक रूप से महान है, यहां आत्माएं हैं। मैं यह दिखाने के लिए भी आंशिक सहसंबंध या पदानुक्रमित प्रतिगमन के साथ जाऊंगा कि प्रभाव पैदा करने वाला तीसरा चर होना चाहिए। मध्यस्थता की भाषा इस संदर्भ में पूरी तरह से भ्रामक है क्योंकि यह स्वाभाविक कारण है।

— हेनरिक

आपका बहुत-बहुत धन्यवाद, जो सहायक है। "कारण" रिश्ते काफी जटिल होते हैं जिन्हें मैं अध्ययन कर रहा हूं (जैसे, दो प्रकार के लक्षण जो जीवनकाल में एक-दूसरे को प्रभावित करते हैं) की प्रकृति को देखते हुए, जो पानी को कुछ और बढ़ा देता है। एक बार फिर धन्यवाद!

— 19

Answer 3

मेरा मानना ​​है कि जिन चरों के बारे में आप बात कर रहे हैं, उन्हें शायद 'कंट्रोल' वैरिएबल माना जाना चाहिए, अगर IV आपके या मध्यस्थों का कारण नहीं बनता है यदि आप एक इंटरैक्शन प्रभाव की उम्मीद करते हैं। इसे कागज़ पर आज़माएँ और इसे अपने दिमाग में एक-दो बार काम करें या परिकल्पित प्रभाव डालें।

Answer 4

शायद बेहतर भाषा, या कम से कम बहुत भ्रामक सहसंबंध है। इसका एक विशिष्ट उदाहरण यह है कि आइसक्रीम की खपत डूबने से संबंधित है। इसलिए, कोई सोच सकता है, आइसक्रीम की खपत डूबने का कारण बनती है। स्फूर्त सहसंबंध तब होता है जब एक तीसरा "मॉडरेटिंग" चर वास्तव में पहले दो के संबंध में कारण होता है। हमारे उदाहरण में, हमने समय पर आइसक्रीम की बिक्री और डूबने पर ध्यान दिया, और तापमान के आधार पर मौसमी प्रभावों के बारे में भूल गए, और, निश्चित रूप से, जब यह गर्म होता है, तो अधिक आइसक्रीम खाई जाती है, और अधिक लोग डूब जाते हैं, क्योंकि इससे राहत मिलती है गर्मी से तैराकी और आइसक्रीम खाने से। कुछ विनोदी उदाहरण ।

फिर, यह सवाल उबलता है कि कोई किसके लिए एक नकली सहसंबंध का उपयोग करेगा? और, यह पता चला है, उनका उपयोग किया जाता है क्योंकि लोग उनके सिद्धांतों का परीक्षण नहीं करते हैं। उदाहरण के लिए, गुर्दे की कार्यक्षमता अक्सर शरीर की सतह के लिए "सामान्यीकृत" होती है, जैसा कि वजन और ऊंचाई के एक सूत्र द्वारा अनुमान लगाया गया है।

अब, शरीर की सतह का क्षेत्र मूत्र के निर्माण का कारण नहीं बनता है, और वजन और ऊंचाई के फार्मूले में, वजन क्लेबर के नियम के कारण होता है और ऊंचाई वास्तव में सूत्र को कम पूर्वानुमानित करती है ।

Answer 5

मैं अपने स्वयं के अनुसंधान में जीनोमिक्स के संदर्भ में कारण निष्कर्ष से संबंधित इस पद पर आया था। इस डोमेन में समझदारी से काम करने की कोशिश अक्सर इस बात से जुड़ी होती है कि किसी व्यक्ति के जेनेटिक कोड को कैसे रैंडमाइज्ड माना जा सकता है (सेक्स सेल कैसे बनते हैं और आखिर में जोड़ी बनती है)। एक "मध्यस्थ" और एक अंतिम प्रतिक्रिया दोनों के साथ जुड़े ज्ञात उत्परिवर्तन के साथ युग्मन, एक कारण की निश्चित परिभाषाओं के तहत उस प्रतिक्रिया पर मध्यस्थ का एक कारण प्रभाव पैदा कर सकता है (जो मुझे यकीन है कि यहां लंबी बहस छिड़ सकती है)।

ऐसे मामले में जहां आप मध्यस्थता मॉडल का उपयोग करते हैं और कार्य-कारण का दावा नहीं करते हैं, मैं यह नहीं सोच सकता था कि समीक्षक बहस क्यों करेगा। हालाँकि, आपको संभावना है कि आपके द्वारा देखी गई मध्यस्थता प्रभाव को तीसरे चर द्वारा मान लिया जाए या नहीं।

यदि आप स्पष्ट रूप से कार्य-कारण में रुचि रखते हैं, तो आप मेंडेलियन रैंडमाइजेशन या " कॉसल इनविज़न टेस्ट " जैसी महामारी विज्ञान के तरीकों पर गौर कर सकते हैं । या इंस्ट्रूमेंटल वेरिएबल एनालिसिस से शुरू करें ।