statsmodels.stats.mediation.Mediation¶

class statsmodels.stats.mediation.Mediation(outcome_model, mediator_model, exposure, mediator=None, moderators=None, outcome_fit_kwargs=None, mediator_fit_kwargs=None, outcome_predict_kwargs=None)[source]¶

进行中介分析。

Parameters:¶

outcome_modelstatsmodels model

用于结果的回归模型。预测变量包括处理/暴露、中介变量以及任何其他感兴趣的变量。

mediator_modelstatsmodels model

中介变量的回归模型。预测变量包括处理/暴露以及任何其他感兴趣的变量。

exposurestr or (int, int) tuple

处理/暴露变量的名称或列位置。如果给出位置，第一个整数是结果模型中暴露变量的列位置，第二个整数是中介模型中暴露变量的位置。如果给出字符串，它必须是两个回归模型中暴露变量的名称。

mediator{str, int}

结果回归模型中中介变量的名称或列位置。如果为 None，则从中介模型公式（如果存在）推断名称。

moderatorsdict

映射变量名称或索引位置到调节变量的值，这些值在计算中介效应时保持固定。如果键是索引位置，它们必须是元组(i, j)，其中i是结果模型中的索引，j是中介模型中的索引。否则，键必须是变量名称。

outcome_fit_kwargsdict-like

拟合结果模型时使用的关键字参数。

mediator_fit_kwargsdict-like

拟合中介模型时使用的关键字参数。

outcome_predict_kwargsdict-like

在调用结果模型上的 predict 时使用的关键字参数。

Returns a ``MediationResults`` object.

注释

中介者模式类必须实现 get_distribution。

参考文献

Imai, Keele, Tingley (2010). 一种因果中介分析的通用方法。心理方法 15:4, 309-334. http://imai.princeton.edu/research/files/BaronKenny.pdf

Tingley, Yamamoto, Hirose, Keele, Imai (2014). mediation : R 用于因果中介分析的软件包。 统计软件杂志 59:5。 http://www.jstatsoft.org/v59/i05/paper

示例

使用公式进行基本的调解分析：

>>> import statsmodels.api as sm
>>> import statsmodels.genmod.families.links as links
>>> probit = links.probit
>>> outcome_model = sm.GLM.from_formula("cong_mesg ~ emo + treat + age + educ + gender + income",
...                                     data, family=sm.families.Binomial(link=Probit()))
>>> mediator_model = sm.OLS.from_formula("emo ~ treat + age + educ + gender + income", data)
>>> med = Mediation(outcome_model, mediator_model, "treat", "emo").fit()
>>> med.summary()

一个不使用公式的基本中介分析。这可能比使用公式的方法稍快。如果涉及处理变量或中介变量的任何交互作用，这种方法将不起作用，您必须使用公式。

>>> import patsy
>>> outcome = np.asarray(data["cong_mesg"])
>>> outcome_exog = patsy.dmatrix("emo + treat + age + educ + gender + income", data,
...                              return_type='dataframe')
>>> probit = sm.families.links.probit
>>> outcome_model = sm.GLM(outcome, outcome_exog, family=sm.families.Binomial(link=Probit()))
>>> mediator = np.asarray(data["emo"])
>>> mediator_exog = patsy.dmatrix("treat + age + educ + gender + income", data,
...                               return_type='dataframe')
>>> mediator_model = sm.OLS(mediator, mediator_exog)
>>> tx_pos = [outcome_exog.columns.tolist().index("treat"),
...           mediator_exog.columns.tolist().index("treat")]
>>> med_pos = outcome_exog.columns.tolist().index("emo")
>>> med = Mediation(outcome_model, mediator_model, tx_pos, med_pos).fit()
>>> med.summary()

一个调节的中介分析。 中介效应是针对年龄为20岁的人计算的。

>>> fml = "cong_mesg ~ emo + treat*age + emo*age + educ + gender + income",
>>> outcome_model = sm.GLM.from_formula(fml, data,
...                                      family=sm.families.Binomial())
>>> mediator_model = sm.OLS.from_formula("emo ~ treat*age + educ + gender + income", data)
>>> moderators = {"age" : 20}
>>> med = Mediation(outcome_model, mediator_model, "treat", "emo",
...                 moderators=moderators).fit()

方法

fit([method, n_rep])

拟合回归模型以评估中介效应。