パスcは重要ではないが、パスaおよびbは重要である場合はどうなりますか？調停における間接的な影響

従来のメディエーションモデルでは、次の図に示すパスがあります

、

XとYの間のMの媒介効果をテストする最初のステップは、XがYと有意に相関していることです（図のパネルAに示すように）。

しかし、私は状況にぶつかったパスAとパスBが強く重要ですが、パスCではありません。パスcと比較すると、パスc 'は重要ではありませんが、係数は減少しています。

この場合、X、Y、およびMの関係について話すことはまだ価値がありますか？もしそうなら、論文でこの関係に対処するための最良の方法は何ですか？XはYに間接的な影響を与えるが、直接的な影響はないと主張することはできますか？

3つのサンプル、同じパスモデルをテストしています。$n_1 = 124, n_2 = 49, n_3 = 166$

メディエーションをテストするためのアプローチは、Baron＆Kenny（1986）による古典的な方法論の論文に記載されている「因果的ステップアプローチ」に準拠しているようです。調停へのこのアプローチは、次の手順を伴います。

1. XとYが有意に関連しているかどうかをテストします（cパス）。そうでない場合は、分析を停止します。もしそうなら...
2. XとMが有意に関連しているかどうかをテストします（パス）。そうでない場合は、分析を停止します。もしそうなら...
3. X（bパス）を制御した後、MとYが有意に関連しているかどうかをテストします。そうでない場合は、分析を停止します。もしそうなら...
4. 比較の直接の効果のX（C」 -予測経路YからXのための制御した後Mのために）総効果のX（Cの工程1からのパス）。場合C」がよりゼロに近いC、及び非有意、研究が結論づけMが完全との間の会合を媒介X及びYを。しかし、c 'が依然として重要である場合、研究者は、MはXの影響の「部分的」メディエーターにすぎないと結論付けますY。

直接（c '）と合計効果（c）の違いを強調します。

XはYに間接的な影響を与えるが、直接的な影響はないと主張することはできますか？

あなたが実際に懸念しているのは、Xが間接的であるがYに全体的な影響はないと主張する正当性です。

短い答え

はい、全体の効果（c）が重要ではない場合でも、MがXとYの間の関連付けを仲介すると結論付けることは正当です。因果ステップのアプローチは、歴史的に人気がありますが、統計的に強力で、データの仮定が少なく、論理的に一貫性のあるメディエーションのテスト方法に広く置き換えられています。Hayes（2013）は、彼の本の中で、因果的ステップアプローチの多くの制限について、素晴らしくアクセス可能で完全な説明をしています。

ブートストラップ（MacKinnon et al。、2004）やモンテカルロ（Preacher＆Selig、2012）の手法など、他のより厳密なアプローチを確認してください。どちらの方法も、間接効果自体（abパス）の信頼区間を推定します（どのように行うかは方法によって異なります）。次に、信頼区間を調べて、0がもっともらしい値かどうかを確認します。どちらの統計分析ソフトウェアを使用しているかに関係なく、どちらも独自の研究に実装するのは非常に簡単です。

より長い答え

はい、全体の効果（c）が重要ではない場合でも、MがXとYの間の関連付けを仲介すると結論付けることは正当です。実際、いくつかの理由により、総効果（c）を調停のテスト（「Hayes、2009; Shrout＆Bolger、2002」）の「ゲートキーパー」として使用すべきではないという統計学者の間で比較的大きなコンセンサスがあります。

1. 因果ステップアプローチは、間接的な効果（abパス、または必要に応じてc-c '）を実際に直接評価することなく、仲介の存在を統計的に評価しようとします。これは、特に間接効果を直接推定/テストする簡単な方法が数多くあることを考えると、非論理的です。
2. 因果ステップのアプローチは、複数の有意差検定に依存しています。時々有意性テストは期待どおりに機能しますが、推論テストの仮定が満たされていない場合、および/または推論テストが不十分である場合、それらは脱線する可能性があります（これは、ジョンがあなたの質問に対するコメントで得ていたものだと思います）。したがって、メディエーションは特定のモデルで実際に発生している可能性がありますが、サンプルサイズが小さいか、または総効果の検定の仮定が満たされていないために、総効果（c）は重要ではない可能性があります。また、因果的ステップアプローチは、他の2つの有意性テストの結果に依存しているため、因果的ステップアプローチは、最も強力でない調停テストの1つになります（Preacher＆Selig、2008）。
3. 合計効果（c）は、直接効果（c '）とすべての間接効果（ab（1）、ab（2） ...）の合計として理解されます。影響ふりX上のYが完全に媒介される（すなわち、C」 2つの変数によって0である）、M1とM2。ただし、M1を介したYに対するXの間接的な影響は正であるのに対し、M2を介した間接的な影響は負であり、2つの間接的な影響の大きさは同等であるとさらに考えます。これら2つの間接的な効果を合計すると、全体的な効果（c）はゼロですが、因果的ステップのアプローチを採用した場合、1つの「実際の」メディエーションだけでなく2つも見逃してしまいます。

調停をテストするための因果的ステップアプローチに推奨する代替策には、ブートストラップ（MacKinnon et al。、2004）とモンテカルロ（Preacher＆Selig、2012）の方法が含まれます。ブートストラップ法では、表面的な多数のランダムサンプルを自分のデータから同じサンプルサイズの置換（例：5000）で取り、間接的な効果（abパス）各サンプルで、これらの推定値を最低から最高の順に並べ、ブートストラップされた間接効果の信頼区間をあるパーセンタイルの範囲内として定義します（たとえば、95％信頼区間の場合は2.5と97.5）。間接効果のブートストラップマクロはSPSSやSASなどの統計分析ソフトウェアで使用でき、パッケージはRで使用でき、他のプログラム（Mplusなど）にはブートストラップ機能が既に組み込まれています。

モンテカルロ法は、元のデータがない場合、またはブートストラップが不可能な場合に最適な方法です。必要なのは、aおよびbパスのパラメーター推定値、各パスの分散、および2つのパス間の共分散（多くの場合、常に0とは限りません）です。これらの統計値を使用して、表面的に大きなab値の分布（20,000など）をシミュレートし、ブートストラップアプローチと同様に、それらを最低から最高に並べて信頼区間を定義できます。独自のモンテカルロ調停計算機をプログラムすることもできますが、Kris Preacherは彼のWebサイトで自由に使用できる素晴らしい計算機を持っています（付随する論文については、Preacher＆Selig、2012を参照）。

どちらの方法でも、信頼区間を調べて、値に0が含まれているかどうかを確認します。そうでない場合は、重要な間接的な影響があると結論付けることができます。

参考文献

バロン、RM、およびケニー、DA（1986）。社会心理学研究におけるモデレーターとメディエーターの変数の区別：概念的、戦略的、統計的考察。パーソナリティと社会心理学誌、51、1173年から1182年。

Hayes、AF（2013）。メディエーション、モデレーション、条件付きプロセス分析の概要：回帰ベースのアプローチ。ニューヨーク、ニューヨーク：ギルフォード。

Hayes、AF（2009）。バロンとケニーを超えて：新しいミレニアムにおける統計的調停分析。通信モノグラフ、76 408-420。

MacKinnon、DP、Lockwood、CM、およびWilliams、J。（2004）。間接効果の信頼限界：製品の分布とリサンプリング方法。多変量行動研究、39、99から128まで。

Preacher、KJ、＆Selig、JP（2012）。間接効果に対するモンテカルロ信頼区間の利点。コミュニケーションの方法と対策、6、77から98。

Shrout、PE、＆Bolger、N.（2002）。実験的および非実験的研究における調停：新しい手順と推奨事項。心理的方法、7、422から445まで。

いい答えを見つけたと思います。このケースを一貫性のないメディエーションとして紹介するDavid Kennyのウェビナーを見てみました。パスcが0と大きく異ならない理由は、aとbの積の符号がc 'の符号と異なるためです。ケニーの例では、ストレスは気分を低下させます（c 'は負です）。一方、ストレスと気分の仲介者としての運動は、両方に正の相関があります（abは正）。c = c '+ abなので、c'とabの絶対値が近い場合、cは0に近い可能性があります。

ケニーはウェビナーで、現代的な見方ではcとc 'のテストは本質的ではないと考えていると述べています。調停効果は主にabを通じて表示されます。

jsakalukの回答に同意します。さらに関連性の高い情報を追加したいと思います。

バロンとケニーの（1986）調停をテストする方法は広範に適用されていますが、このアプローチの重大な制限については、次のような幅広い論文が広く取り上げられています。

1）間接効果の重要性を直接テストしない

2）低い統計的検出力

3）メディエーションに一貫性がないモデルに対応できない

*注：概要については、Memon、Cheah、Ramayah、Ting、およびChuah（2018）を参照してください。

これらの制限を考慮して、調停の新しい類型が趙、リンチ、チェン（2010）によって開発されました。2019年10月現在、引用数は5,000を超えているため、人気が高まっています。

簡単にまとめると、3変数の因果モデルを例にとると、3 種類のメディエーションが存在します。

1. 補完調停：調停効果（axb）と直接効果（c）の両方が存在し、同じ方向を指します。

2. 競合的調停：調停効果（axb）と直接効果（c）の両方が存在し、反対方向を指しています。

3. 間接のみの調停：調停効果（axb）は存在しますが、直接効果はありません（c）。

さらに、2つの非調停タイプが提案されました。

1. 直接のみの非仲介：直接的な影響（c）は存在しますが、間接的な影響はありません。

2. 影響なしの非調停：ネザー直接効果（c）、または間接効果は存在しません。

したがって、OPのケースは、媒介効果が存在するが直接効果（c '）は重要ではないため、間接のみの媒介として分類されます。

参考文献

Memon、MA、Cheah、J.、Ramayah、T.、Ting、H.、＆Chuah、F.（2018）。調停分析の問題と推奨事項。Journal of Applied Structural Equation Modeling、2（1）、 1-9。

趙、X。、リンチJr、JG、および陳、Q。（2010）。バロンとケニーの再考：メディエーション分析に関する神話と真実。Journal of Consumer Research、37（2）、 197-206。