Mediator は統計上の重要な概念であり、独立変数 X がある変数 M を介して従属変数 Y に一定の影響を与える場合、M は X と Y の間の中間変数と呼ばれます。現在、国内外の研究のほとんどは因果的ステップワイズ回帰検定を参照していますが、因果的ステップ法は Baron and Kenny (1986) によって提案され、その検定ステップは 3 つのステップに分かれています。まず、Y に対する X の回帰、回帰係数 c) の有意性をテストします。2 番目、M に対する X の回帰、回帰係数 a) の有意性をテストします。3 番目、Y に対する X と M の回帰、テスト回帰係数 b および c') の重要性。係数 c、a、b がすべて有意であれば、媒介効果があることを意味します。このとき、係数c'が有意でない場合、その媒介効果を完全媒介効果と呼び、回帰係数c'が有意であるが、c'<cである場合、その媒介効果を部分媒介効果と呼ぶ。）。媒介効果の効果量は、多くの場合、ab/c または ab/c' で測定されます。
前回の記事「中間分析のためのR言語生存データcox回帰(1)」では、中間分析のための生存データcox回帰を紹介しました。最近、一部のファンから、生存データのコックス回帰に関する BMC の記事 (参考文献を参照) を私に勧めてほしいとの要望があり、この記事の方法を再現してほしいと頼まれましたが、中間変数がカテゴリ データであり、中間変数がは連続データです。まだできません。
今日は、メディエーション分析のための生存データ cox 回帰を手動で導出する方法を示しましょう。この論文にはデータがないため、心筋梗塞患者の生存データを使用しました。まずデータと R パッケージをインポートしましょう
library(survival)
bc<-read.csv("E:/r/test/xgscsj.csv",sep=',',header=TRUE)
このデータを紹介しますと、これは心筋梗塞患者の生存データです、IDは患者番号、wmiは患者の心筋出量、1L未満は0、1L以上は1、ステータスは生存転帰指標。chf は心不全の有無、年齢は 60 歳未満の場合は 0、60 歳以上の場合は 1、性別は性別、糖尿病の有無は糖尿病の場合、timeは生存期間、vfは心室細動の有無です。
この記事は転載記事であり、元のアドレスは次のとおりです: https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247488895&idx=1&sn=3dea35022c41adfdc32838557f81c022&chksm=ea26f563dd517c75dcc7 29b 29a1deef0848ba0e39e103f805c18c52d6bdadc53ac4f651c9b8b#rd