Compreendendo a saída da análise de mediação em R

Estou tentando entender o pacote de mediação em R, usando a vinheta do pacote.

Estou lutando para entender a saída da mediate()função.

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
...

Isso significa que 8,08% do efeito do tratamento é mediado pelo estado emocional, entre os que são tratados? Ou isso é uma mudança no coeficiente detreat ?

Se alguém pudesse explicar a saída, seria muito apreciado.

O que isso significa que ACME (treated) 0,0808?

0,0808 é o aumento médio estimado da variável dependente entre o grupo de tratamento que chega como resultado dos mediadores vez de 'diretamente' do tratamento.

A variável dependente neste exemplo é a probabilidade de enviar uma mensagem a um membro do congresso, o mediador é a resposta emocional gerada pelo tratamento e o tratamento é uma manipulação de enquadramento. Então meio deste número que do estimado 0,0949 (oTotal Effect ) nessa probabilidade devido ao enquadramento, um valor estimado de 0,0805 (ACME (average) ) é o resultado das mudanças emocionais geradas pelo enquadramento e os 0,0145 restantes (ADE (average) ) é do enquadramento em si.

Em resumo Total Effect = ACME (average)+ADE (average)

No entanto, não há razão para que o efeito médio da mediação (ACME) seja o mesmo para pessoas no grupo de tratamento e pessoas no controle, portanto, são estimados dois efeitos de mediação: ACME (control)eACME (treated) , que é seu 0,0808. A média desses efeitos médios do tratamento é deACME (average) (o que é um pouco confuso, eu admito). Um argumento semelhante vale para os efeitos diretos.

A suposição de que existe apenas um efeito de mediação e um efeito direto nessa população é denominada 'sem interferência' nos autores do pacote.

Ao interpretar a saída, é útil ter em mente as definições nos documentos anexos e colocar um pouco de seu entendimento comum das tabelas de regressão em segundo plano.

Uma última coisa: a proporção do efeito causal do enquadramento, que é mediada pela resposta emocional e não direta, seria normalmente calculada como algo como ACME (average)/ Total Effect, mas aqui não é (completamente). Alguma discussão sobre como calcular essa quantidade para modelos em que a variável dependente é discreta, como é aqui, aparece no Apêndice G de Imai et al. 2010 .