Comprensión de los resultados del análisis de mediación en R

Estoy tratando de entender el paquete de mediación en R, usando la viñeta para el paquete.

Estoy luchando por entender el resultado de la mediate()función.

require("mediation")
require("sandwich")
data("framing")
med.fit <- lm(emo ~ treat + age + educ + gender + income, data = framing)
out.fit <- glm(cong_mesg ~ emo + treat + age + educ + gender + income, 
               data = framing, family = binomial("probit"))
summary(out.fit)
# OR for sending a message to a senator for treated compared to untreated. 
exp(as.numeric(coef(out.fit)[3])) 

# mediation
med.out <- mediate(med.fit, out.fit, treat = "treat", mediator = "emo",
                   robustSE = TRUE, sims = 100)
summary(med.out)
...

                         Estimate 95% CI Lower 95% CI Upper p-value
ACME (control)             0.0802       0.0335       0.1300    0.00
ACME (treated)             0.0808       0.0365       0.1311    0.00
ADE (control)              0.0142      -0.1030       0.1325    0.78
ADE (treated)              0.0147      -0.1137       0.1403    0.78
Total Effect               0.0949      -0.0316       0.2129    0.14
Prop. Mediated (control)   0.7621      -2.0926       4.9490    0.14
Prop. Mediated (treated)   0.7842      -1.9272       4.6916    0.14
ACME (average)             0.0805       0.0350       0.1304    0.00
ADE (average)              0.0145      -0.1087       0.1364    0.78
Prop. Mediated (average)   0.7731      -2.0099       4.8203    0.14
...

¿Esto significa que el 8,08% del efecto del tratamiento está mediado por el estado emocional, entre los que son tratados? ¿O es esto un cambio en el coeficiente de treat?

Si alguien pudiera explicar el resultado, sería muy apreciado.

¿Qué significa que ACME (treated)es 0.0808?

0.0808 es el aumento promedio estimado en la variable dependiente entre el grupo de tratamiento que llega como resultado de los mediadores en lugar de "directamente" del tratamiento.

La variable dependiente en este ejemplo es la probabilidad de enviar un mensaje a un miembro del congreso, el mediador es la respuesta emocional generada por el tratamiento y el tratamiento es una manipulación enmarcada. Entonces, este número significa que del aumento estimado de 0.0949 (the Total Effect) en esta probabilidad debido al encuadre, un estimado 0.0805 ( ACME (average)) es el resultado de los cambios emocionales generados por el encuadre y el 0.0145 ( ADE (average)) restante proviene del mismo.

En resumen Total Effect= ACME (average)+ADE (average)

Sin embargo, no hay razón para que el efecto de mediación promedio (ACME) sea el mismo para las personas en el grupo de tratamiento y las personas en el control, por lo que se estiman dos efectos de mediación: ACME (control)y ACME (treated), que es su 0.0808. El promedio de estos efectos de tratamiento promedio es ACME (average)(lo cual es un poco confuso, lo admito). Un argumento similar es válido para los efectos directos.

La suposición de que solo hay un efecto de mediación y un efecto directo en esta población se llama "sin interferencia" en los autores del paquete.

Es útil al interpretar el resultado tener en cuenta las definiciones en los documentos adjuntos y empujar un poco su comprensión ordinaria de las tablas de regresión.

Una última cosa: la proporción del efecto causal del encuadre que está mediada por la respuesta emocional en lugar de directa normalmente se calcularía como algo así como ACME (average)/ Total Effect, pero aquí no lo es (del todo). En el Apéndice G de Imai et al. , Aparece una discusión sobre cómo calcular esta cantidad para modelos donde la variable dependiente es discreta, como lo es aquí . 2010 .