R语言mediation包实战：分类变量中介效应分析全解析

最新推荐文章于 2026-02-28 08:19:28 发布

原创

最新推荐文章于 2026-02-28 08:19:28 发布 · 250 阅读

中介效应分析是社会科学和医学研究中常用的统计方法，它帮助我们理解自变量(X)如何通过中介变量(M)影响因变量(Y)的机制。想象一下，你发现喝咖啡(X)能提高工作效率(Y)，但这是否是因为咖啡因让人更清醒(M)呢？这就是典型的中介效应问题。

在R语言中，mediation包是最常用的中介分析工具之一。它支持多种模型类型，包括线性模型、广义线性模型和混合效应模型。对于分类变量，我们需要特别注意以下几点：

让我们使用一个教育研究的示例数据集，分析学校类型（天主教/非天主教）是否通过学生对学校的依恋程度影响校园暴力发生率。首先加载必要的包和数据：

library(mediation)
library(lme4)  # 用于GLMM模型
student <- read.csv("student.csv", header=TRUE)

查看数据结构：

str(student)

关键变量说明：

对于分类变量，R会自动处理为因子(factor)。但建议显式转换以确保分析正确：

student$catholic <- as.factor(student$catholic)
student$attachment <- as.factor(student$attachment)
student$fight <- as.factor(student$fight)

我们需要构建两个模型：

使用广义线性混合模型(GLMM)处理学校层面的聚类效应：

标签

#R语言 #中介效应分析 #mediation