Lecture 24: Mediation Analysis Flashcards
mediation maakt gebruik van …. models
process models
moderation is another word for…
interaction effect
a mediation model is one that ….
seeks to identify and explain the mechanism or process that underlies an observed relationship between an independent variable and a dependent variable via the inclusion of a third hypothetical variable, known as a mediator variable (also a mediating variable, intermediary variable, or intervening variable).
diagram voor mediation (zie schrift ook)
A
/ \
B —-> C
welke vraag stel je bij het verschil tussen mediator en moderator
een mediator is een resultaat van independent variable, en een oorzaak van dependent variable.
een moderator is GEEN resultaat van de independent variable.
dus: is deze variabele een resultaat van de independent variable? ja = mediator, nee = moderator.
hoe check je voor de assumptie “no multicollinearity”
linear regression uitvoeren (dus ook als je mediation analysis gaat doen!)
Enter the two predictors as independent variables and tick the option ‘Collinearity Diagnostics’ under ‘Statistics’
hoe interpreteer je de vif en tolerance
Tolerance: Inverse of the Variance Inflation Factor (VIF). Small values indicate multicollinearity
VIF: Variance Inflation Factor; large values indicate multicollinearity.
2 voorbeelden moderation en mediation
moderation: The research showed that not only sleep deprivation has an influence on depression, but that the frequency of alcohol consumption of the participants also has an influence on depression.
mediation: we will investigate whether mindfulness-based cognitive therapy (MBCT) has a positive influence on symptoms of depression. According to Kuyken et al., MBCT does not directly affect depression, but it ensures that test subjects develop a higher self-compassion.
dus ezelsbruggetje mediation en moderation
resultaat van IV?
yEs = mEdiation
nO = mOderation
dus officiele beschrijving mediation vs moderation
Mediation involves an indirect effect of the independent variable on the dependent variable, whereas moderation involves an interaction effect between the moderator and the dependent variable.
hoe doe je een simpele moderation analysis in JASP
Adding an interaction effect in linear regression: onder model, daar interactie effect toevoegen. dat interactie effect is de uitkomst (Helemaal onderaan)
mediator …. the relationship, moderator… the relationship
mediator = explains
moderator = affects
mediation model =
In statistics, a mediation model is one that seeks to identify and explain the mechanism or process that underlies an observed relationship between an independent variable and a dependent variable via the inclusion of a third hypothetical variable, known as a mediator variable (also a mediating variable, intermediary variable, or intervening variable).
wat als je een single predictor variable hebt: dan is het uitvoeren van een …. hetzelfde als een ….
linear regression = correlation
f statistic =
signal / noise ratio
hoe ga je van linear regression naar hypothesis testing
je convert de slope naar een t statistic -> standard distribution -> p value
hoe doe je een moderation analysis
add the mediator to the covariates bij linear regression. dan krijg je ANOVA: daar naar kijken.
dan kijk je naar model -> add the mediator to the null model. dan krijg je dus een model waarin je hebt gecontroleerd voor de mediator.
dan kijk je naar of er een verschil zit tussen de R^2 van de null en alternative model. als hier geen verschil tussen zit is er geen added value van de independent variable (omdat ze mediator alles al uitlegt).
waar gaat R change over
over het verschil van de null model en alternative model (als je onder model de mediator hebt toegevoegd aan het null model dan is heb je dus gecontroleerd voor de mediator).
hoe kan je bij een mediation analysis hypothesis testing doen
door de b slope te veranderen naar t statistic
wat zie je onder coefficients
of deze slopes significantly differ from zero. dit zegt ook wat over hoeveel de variabele toevoegt
homoscedasticity=
the error of your model should not be correlated with your predicted values.
anders is er systematic bias (overestimates lower values, underestimates higher values)
wat als er multicollinearity is
dan is het heel lastig om je predictor variables independently te interpreteren
waar staat VIF voor
variance inflation factor
wat check je met de VIF
multicollinearity
grens voor VIF
< 10 is goed
> 10 is multicollinearity
grens voor tolerance
< 2
> 2 is multicollinearity
hoe kan je ook multicollinearity checken
dmv correlation: gewoon de predictor variable toevoegen.
wat doe je als multicollinearity violated is
dan kijk je naar waar dit precies is gebeurd: kijken naar het mediation model. decompose the different relationships between the predictor variables via the mediation model
wat zijn de 3 mediation paths
- outcome = b0 + bc*predictor i
- mediator = b0 + bc*predictor i
- outcome = b0 + bc * predictor i + bb mediator i
- mediator = b0+bc*predictor i
hier probeer je de mediator te voorspellen door middel van de predictor
wat betekent c, en c’
c = total effect
c’ = direct effect
r^2 =
proportion of explained variance
mediation analysis allows us…
to analyse the indirect vs direct effect on the dv, whilst accounting for the mediator
predictor-mediator symbool =
a
full mediator symbool=
b
outcome-predictor symbool=
c
full predictor symbool =
c’
wanneer c’ shrinks…
dan is de total effect mostly due to the indirect pathway (en dus door de mediator)
hoe bereken je het indirecte effect
- a*b ofwel ba * bb
- c - c’
hoe bereken je het indirecte effect (partially standardized)
a*b/S outcome
of
Ba*Bb/S outcome
hoe bereken je het indirecte effect (standardized)
a*b/Soutcome * Spredictor
of
ba * bb / S outcome * S predictor
hoe bereken je Pm
ab/c
of
ba*bb/bc
waar kijk je dus naar als je Pm berekent
indirecte effect/totale effect
= the proportion of the total effect that can be attributed to the mediator
“although it is tempting to think of PM as a proportion (because it is the ratio of the indirect effect to the total effect) it is not: it can exceed 1 and even take negative values (Preacher & Kelley, 2011).”
oke
hoe bereken je Rm
ab / c’
of
ba*bb / bc’
waar kijk je dus eigenlijk naar met Rm
the ratio of the indirect effect to the direct effect
hoe bereken je Rm^2
r^2 outcome, mediator - (r^2 outcome, predictor*mediator - R^2 outcome, predictor)
waar kan je een mediation analysis doen in jasp
onder SEM -> mediation analysis
hoe bereken je uit het path plot dan de indirect effect bijvoorbeeld
door te kijken naar a (eerste pijl) keer de b (tweede pijl)
zie schrift
PROCESS disclaimer
het zijn correlations, je kan niks concluderen!!! de pijltjes laten je denken dat het causaal is, maar dat is niet zo. het zijn correlations. het is observational data. je kan dus GEEN causal claims maken!