媒介分析の直接・間接効果と感度

介入による結果変化を媒介経路と直接経路に分け、推定不確実性と未測定交絡への感度を調べる。

推定値は因果効果として自動的に識別されるものではありません。介入の交換可能性、媒介–結果交絡なし、positivity、モデルの正しさ等を研究設計で確認してください。

線形Yの効果の単位は入力Yと同一、ロジスティックYでは確率差(0~1スケール)です。

項目を入力・選択してから「計算する」を押してください。

選択内容に応じて、残りの入力項目を案内します。

計算する内容
個票データ(A・M・Y・介入前共変量)必須
行介入A(0/1)媒介M結果Y共変量C1 任意共変量C2 任意操作
1
2
3
4
5
6
7
8
9
10

5列を左端の欄へタブ区切りで貼り付けられます。1000行まで。

A=0は対照、A=1は介入。Mは連続数値。Yは線形方式なら連続数値、ロジスティック方式なら0/1。C1/C2は介入前の共変量で、使用しなければ全行空欄のままにします。表の左端からTSV貼付けできます。途中の欠測行は扱いません。

自然効果は反事実の媒介値を用いる定義です。介入型は同じ介入・共変量条件の媒介分布から無作為抽出した場合の効果です。ここでは両者に同じ分布モデルを使いますが、識別に必要な仮定は異なります。

行単位の復元抽出を行い、百分位法で95%区間を求めます。推定不能な再標本が出たら除外せず停止します。

同じ入力とシードから同じ再標本系列を生成します。

任意。未測定の媒介–結果交絡による残差相関を仮定します。固定の感度表に指定したρを追加します。


計算結果

値を入力して計算してください。

お気に入り一覧

計算方法・適用範囲・出典

計算方法

A∈{0,1}、介入前共変量C、媒介M、結果Y。M=α₀+αA+γC+εM(εMは平均0・分散一定の正規誤差)。Yの条件付き平均は線形またはlogit⁻¹(β₀+βAA+βMM+βAM A×M+θC)。μ(a,m,C)=E[Y|A=a,M=m,C]。g計算は各CについてM|A=a,Cの推定分布でμ(t,M,C)を平均し、全観測Cで平均します。ACME(t)=E[μ(t,M₁,C)−μ(t,M₀,C)]、ADE(t)=E[μ(1,Mₜ,C)−μ(0,Mₜ,C)]、総効果=ACME(0)+ADE(1)=ACME(1)+ADE(0)。主値はt=0,1の平均。交互作用なしの線形モデルに限りACME=αβM、ADE=βA。logitと交互作用ありは係数積に置換しません。線形加法感度ではb(ρ)=b(0)−ρσY/[σM√(1−ρ²)]、ACME(ρ)=αb(ρ)。bootstrap区間は再標本分布の2.5・97.5百分位です。

ACME(0/1)・ADE(0/1)・平均ACME/ADE・総効果・媒介割合、選択した場合の95% bootstrap CI、線形加法モデルのρ感度表。

計算例(架空の数値)

合成例:M=2A+εM、Y=A+3M+εY、交互作用なし。誤差が推定に必要な変動を持ち各説明変数が独立なら、ACME=2×3=6、ADE=1、総効果=7。

適用対象と限界

二値の介入群と対照群を含む完全な個票データ(最大1000行)。同一個体の反復・クラスタ標本ではなく独立観測を想定。未測定媒介–結果交絡、介入後交絡、複数媒介、非正規媒介、重み付き/クラスタデータ、交差世界仮定の妥当性検定は対象外。CIは小標本での被覆を保証しない。

採用した方式

  • モデルに基づくACME/ADE、非パラメトリックbootstrap(E1644 v1.0 / JSS 59(5) 2014):対象範囲 Aは二値、Mは正規線形、Yは連続線形または0/1ロジット、共変量は介入前数値のみ/適用地域 global

方法と出典

方法:E1644 v1.0 / Tingley et al. JSS 2014, model-based effects (equations 1–6)。データ記録日:2026-11-15。