先日のエントリの続き。こちらのTable 8.26である。
暴露変数はtx、媒介変数intentはベースラインの約6ヵ月後に測定されたもので、次の2ヵ月間にタバコを使用するか否かという意思である。アウトカムciguseは、フォローアップで測定された前月にタバコを使用したか否かである。
媒介変数intentを連続従属変数として扱うモデルは、線形性と正常な残差という通常の仮定が正しくない可能性もある。その場合、媒介変数を順序変数として扱うことで、床効果がモデルと適合的になる。点双列相関係数が使われていると問題があるので、ポリコリック相関係数(順序変数と順序変数)の一種である順位双列相関係数(２値データと順序変数)が使うという言い方でもよいと思う。
前のエントリでは媒介変数intentを連続変数として扱ったが今回はカテゴリカル変数として扱う。暴露変数txは2値、媒介変数intentはカテゴリ変数(4値)、アウトカムciguseは2値である。
モデル
媒介変数intentをカテゴリカルにすると、tx→intentのパスの推定値が違いが出る。またP値が0.61→0.88となっている。他の2つのパスのP値も変化している。また、intentの残差分散が表示されなくなるが、結果の出力に閾値(Thresholds)が表示されるようになる。
コード
違いはここだけである。
variable: categorical = ciguse intent;
結果
MODEL RESULTS
Two-Tailed
Estimate S.E. Est./S.E. P-Value
CIGUSE ON
INTENT 0.608 0.053 11.571 0.000
TX -0.203 0.106 -1.913 0.056
INTENT ON
TX -0.246 0.088 -2.794 0.005
Thresholds
CIGUSE$1 1.189 0.089 13.365 0.000
INTENT$1 0.525 0.066 7.914 0.000
INTENT$2 0.970 0.072 13.425 0.000
INTENT$3 1.378 0.081 17.037 0.000
intentをカテゴリカルにしたため、残差分散(Residual Variances)から閾値(Thresholds)に変わっている。Thresholdsはいずれかのカテゴリが参照カテゴリとなる。
TOTAL, INDIRECT, AND DIRECT EFFECTS BASED ON COUNTERFACTUALS (CAUSALLY-DEFINED EFFECTS)
Two-Tailed
Estimate S.E. Est./S.E. P-Value
Effects from TX to CIGUSE
Tot natural IE -0.030 0.011 -2.710 0.007
Pure natural DE -0.046 0.024 -1.903 0.057
Total effect -0.076 0.026 -2.911 0.004
Odds ratios for binary Y
Tot natural IE 0.803 0.064 12.494 0.000
Pure natural DE 0.751 0.116 6.463 0.000
Total effect 0.603 0.108 5.610 0.000
確率メトリックでは、間接効果の推定値は-0.030であり、タバコを使用する確率を低下させていることがわかる。
