R 如何在中介分析中使用';拉万';包裹
我试图在R中进行中介分析,建议使用包“mediation”和“lavan” 看起来“mediation”用于处理一个中介,而“lavan”用于处理多个中介。当结果变量是二分法的时候,我很困惑如何得到奇数比率 这里是我的代码,注意Y(新糖尿病)和X(高血压、BMI、CB、TG)都是两分的,年龄和性别被定义为协变量R 如何在中介分析中使用';拉万';包裹,r,r-lavaan,R,R Lavaan,我试图在R中进行中介分析,建议使用包“mediation”和“lavan” 看起来“mediation”用于处理一个中介,而“lavan”用于处理多个中介。当结果变量是二分法的时候,我很困惑如何得到奇数比率 这里是我的代码,注意Y(新糖尿病)和X(高血压、BMI、CB、TG)都是两分的,年龄和性别被定义为协变量 library(lavaan) model <- ' # outcome model new_DM ~ c*hypertension + b1*BMI + b2*CB + b3*
library(lavaan)
model <- '
# outcome model
new_DM ~ c*hypertension + b1*BMI + b2*CB + b3*TG + age + sex
# mediator models
BMI ~ a1*hypertension + age + sex
CB ~ a2*hypertension + age + sex
TG ~ a3*hypertension + age + sex
# indirect effects (IDE)
BMIIDE := a1*b1
CBIDE := a2*b2
TGIDE := a3*b3
sumIDE := (a1*b1) + (a2*b2) + (a3*b3)
# total effect
total := c + (a1*b1) + (a2*b2) + (a3*b3)
BMI ~~ CB
CB ~~ TG
BMI ~~ TG
'
set.seed(1234)
fit <- sem(model, data=data,test="bootstrap", bootstrap=1000)
summary(fit, fit.measures=TRUE, standardize=TRUE, rsquare=TRUE)
boot.fit <- parameterEstimates(fit, boot.ci.type="bca.simple")
我的问题是如何得到总效应、直接效应和间接效应的奇数比率?我可以尝试一下exp(coef(fit))或其他尝试吗?另一个问题是“Lavan”能够处理纵向数据集,以及如何将时间变量添加到模型中并进一步计算风险比
如有任何建议,我们将不胜感激
····
Regressions:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
new_DM ~
hypertnsn (c) 0.038 0.008 4.849 0.000 0.038 0.059
BMI (b1) 0.028 0.010 2.890 0.004 0.028 0.044
CB (b2) 0.040 0.010 4.027 0.000 0.040 0.062
TG (b3) 0.030 0.009 3.383 0.001 0.030 0.040
age 0.002 0.000 4.093 0.000 0.002 0.050
sex -0.005 0.007 -0.666 0.505 -0.005 -0.008
BMI ~
hypertnsn (a1) 0.206 0.012 17.857 0.000 0.206 0.206
age -0.009 0.001 -15.651 0.000 -0.009 -0.181
sex 0.121 0.011 10.957 0.000 0.121 0.124
CB ~
hypertnsn (a2) 0.208 0.011 18.394 0.000 0.208 0.210
age -0.002 0.001 -3.585 0.000 -0.002 -0.041
sex 0.221 0.011 20.375 0.000 0.221 0.228
TG ~
hypertnsn (a3) 0.101 0.010 9.793 0.000 0.101 0.117
age -0.003 0.001 -6.336 0.000 -0.003 -0.076
sex 0.050 0.010 5.074 0.000 0.050 0.059
Covariances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.BMI ~~
.CB 0.130 0.003 44.048 0.000 0.130 0.604
.CB ~~
.TG 0.033 0.002 14.580 0.000 0.033 0.174
.BMI ~~
.TG 0.033 0.002 14.405 0.000 0.033 0.172
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.new_DM 0.093 0.002 60.216 0.000 0.093 0.978
.BMI 0.218 0.004 60.216 0.000 0.218 0.920
.CB 0.211 0.004 60.216 0.000 0.211 0.902
.TG 0.174 0.003 60.216 0.000 0.174 0.980
R-Square:
Estimate
new_DM 0.022
BMI 0.080
CB 0.098
TG 0.020
Defined Parameters:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
BMIIDE 0.006 0.002 2.853 0.004 0.006 0.009
CBIDE 0.008 0.002 3.934 0.000 0.008 0.013
TGIDE 0.003 0.001 3.198 0.001 0.003 0.005
sumIDE 0.017 0.002 8.349 0.000 0.017 0.027
total 0.055 0.008 7.210 0.000 0.055 0.086