因果媒介分析

　因果推論は、アウトカムに対する処置の因果効果を特定して定量化することを目的としています。因果媒介分析では、この効果がどのように発生するかをさらに探求することを目指しています。 例えば、運動はホルモンのレベルを上げ、それが健康を増進させる。例えば、輸入割り当ては地元企業の市場支配力を高め、それが商品の価格を押し上げます。このような関係を因果図で視覚化することがよくあります。

　新しいmediateコマンドは、アウトカムに対する処置の全体的な効果を推定し、それを直接効果と間接効果(ホルモンレベルなどの媒介因子を介して)に分解できます。 実際、関心のある仮説に応じて、複数のタイプの分解を計算できます。さらに、推定比率は、媒介変数を介して発生する総効果の比率を報告します。
　mediateは非常に柔軟なコマンドです。アウトカムは連続、バイナリ、またはカウントをサポートします。 媒介変数は、連続、バイナリ、またはカウントにすることができます。処置変数は、バイナリ、多値、または連続のいずれかです。

操作例

　例えば、運動が自己認識の幸福感の改善につながるかどうか、もしそうならどの程度改善するかを調べたいとします. さらに、そのような因果関係が働くメカニズムについてもっと知りたいと思っています。 おそらく運動は、人体の特定の化学物質やホルモンの増加を引き起こし、それが幸福感に影響を与えます. このような質問に答えるために、因果調停モデルを使用して平均治療効果を推定し、それを直接効果と間接効果に分解します。
　個人を 2 つのグループに無作為に割り付けたランダム化比較試験から得た架空のデータがあるとします。 処置の前後に、主観的な健康状態を測定します。 さらに、（架空の）ホルモンであるボノトニンのレベルが測定されます。 分析者は、運動がボノトニンレベルの増加につながるかどうかを判断したいと考えています。これは、主観的な幸福にプラスの効果をもたらします。
　ベースライン測定値と比較して少なくとも 10% の幸福度の増加を示すバイナリ結果変数 (幸福度) を使用します。 メディエーター変数 (ボノトニン) もバイナリであり、この化学物質の生産が少なくとも 10% 増加したかどうかを測定します。
　アウトカムと媒介モデルの両方にロジット モデルを使用し、次の因果媒介モデルを指定します。

　推定総効果 (TE) は 0.26 です。 結果変数はバイナリであるため、この効果は確率スケールで測定されます。 この効果を平均的な治療効果と同じように解釈します。 集団内のすべての個人が運動した場合、健康状態が高くなる確率は、誰も運動しなかった場合と比較して、確率尺度で 0.26 ポイント増加します。
　表に示されている残りの結果は、自然間接効果 (NIE) と自然直接効果 (NDE) の推定値です。 NIE は、ボノトニンの生成を通じて、運動が健康にどの程度影響するかを示しています。 NDE は、ボノトニン以外のメカニズムを通じて、幸福に対する運動の影響を捉えます。 ここで、0.11 という NIE は、ボノトニンの産生による運動の効果により、幸福度が高くなる確率が 0.11 増加することを意味します。 また、NDE に基づくと、0.15 の増加は他のメカニズムによるものです。
　上記では、確率尺度に対する推定効果をリスク差として解釈しています。 必要に応じて、リスク比またはオッズ比の観点からそれらを解釈することもできます. たとえば、オッズ比を取得するには、事後推定コマンド estat orを使用します。

　合計効果は 2.95 のオッズ比に対応します。この場合、これは直接効果オッズ比と間接効果オッズ比の積です。 リスク比を計算するには、estat rr を使用できます。 また、ポアソン モデルを結果に当てはめていれば、estat irr を使用して発生率比を計算できたはずです。
estat cde を使用して、制御された直接効果 (CDE) を推定することもできます。 たとえば、人口のすべての個人がボノトニンレベルの増加を経験するか、誰も増加しないという反事実的仮定の下で、 直接的な効果に関心を持つことができます. これを行うには、オプション mvalue(0 1) で estat cde を指定して、0 または 1 に設定された (バイナリ) メディエーター ボノトニンを使用した治療の平均制御直接効果を推定します。

　ボノトニンレベルの増加を経験した人がいない場合、幸福度の増加に対する運動の直接的な影響は、確率スケールで 0.14 であり、集団の全員がボノトニンレベルの増加を経験した場合、効果は 0.2 であることがわかります。
繰り返しになりますが、これらの効果をリスク比またはオッズ比で表現したい場合は、オプション rr または or をそれぞれ使用できます。 ここでは、オプションまたはを使用して、オッズ比スケールで制御された直接効果を推定します。

　最後に、メディエーションの量に数値を割り当てることに関心があるかもしれません。 estat proportionを使用して、仲介された比率を計算できます。

　推定比率は、確率スケールでの効果推定に基づいています。 間接効果は全体の 44% を占めます。

交絡因子に対する想定

mediate コマンドを指定する際に以下の想定を満たすように変数をご指定ください。

1. 処置変数とアウトカムの関係において未観察の交絡因子がなく、観察された交絡因子はアウトカムモデルの共変量として含まれています。
2. 媒介変数とアウトカムの関係において未観察の交絡因子がなく、観察された交絡因子はアウトカムモデルの共変量として含まれています。
3. 処置変数と媒介変数の関係において未観察の交絡因子がなく、観察された交絡因子は媒介モデルの共変量として含まれています。
4. 処置変数（T）によって生成され、媒介変数（M）やアウトカム（Y）に影響を与える変数（Z）は存在しません。
   （因果ダイアグラム上で、T → Z → M → Y または T → Z → Y のようなパスは存在しません。）

詳細は、マニュアル内の Remarks and examples > Evaluating assumptions for causal inference をご覧ください。

mediate