媒介者と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 を X と Y の媒介変数と呼びます。現在、国内外の研究の多くは、Baron and Kenny (1986) によって提案された因果段階回帰法を用いてテストを行っており、そのテストステップは 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'が有意でない場合にはその媒介効果を完全媒介と呼び、回帰係数c'が有意であるがc'<cである場合にはその媒介効果を部分媒介と呼ぶ。) 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。
過去 2 回の記事では生存データの媒介分析を行ってきましたが、最初の 2 回の記事には欠点があり、媒介変数が連続変数であるデータは分析できません。この間、多くのファンの皆様から、中間変数としての連続変数に関する文献を数多く推薦していただき、感謝の意を表したいと思います。
生存分析のための媒介効果分析を紹介する文献は数多くあります (特定の文献については参考文献を参照してください)。今回は二段階媒介回帰分析法を紹介します。
最初にデータをインポートします
library(foreign)
library(plyr)
library(survival)
library(survminer)
bc<-read.csv("E:/r/test/xingen.csv",sep=',',header=TRUE)
これは、心筋梗塞後の患者の生存率とさまざまな危険因子、状態転帰、生存期間、CHF疲労、糖尿病、心室細動の有無にかかわらずVF、WMI心臓ポンプ機能、性別、年齢に関連したデータです。
次に、正式な分析には 2 段階の古典的な媒介法を使用します。データでは、年齢は曝露変数であり連続変数、媒介変数である心拍出量 wmi は連続変数、死亡ステータスは結果変数、および他のものは共変量です。まず定義しましょう
bc$EXPOSURE<- bc$age
bc$M <- bc$wmi
bc$cov1<- bc$chf
bc$cov2<- bc$sex
bc$cov3<- bc$diabetes
この記事は転載記事です、全文アドレスは以下の通りです: https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247489118&idx=1&sn=17f8f050e61f6876a09a564a9fe48492&chksm=ea26f642dd517f54 523f24 510bea72448debd14134e5d0b7f820a01dd1edfff4d6e85ac54eb2#rd