R语言| 中介效应分析，Mediation包和BruceR包，循环Process函数_r语言中介效应分析

Brief summary

网上关于中介效应的资料挺多的，这里就不对原理进行过多解释。

简单来说，我们分析自变量 X 对因变量 Y 产生的影响，如果变量 X 通过影响变量 M 来影响变量 Y ，那么这个变量 M 就是中介变量。
例如租客 (X) 通过中介公司 (M) 找到合适的房子 (Y)，中介公司就在其中扮演了中介变量的角色，中介变量发挥的作用就称为中介效应了。

对于该分析我个人有一个认知，就是X和Y必须有关联。这个关联可以是数据上的（correlation or association，calculated from statistical method）或者是学科上的（因为我的研究方向是疾病多组学，可以说是生物学上的关联）。
如果X和Y毫无关系，这个研究是否还有必要呢，这可能是值得思考的

这里分享几个可以帮助理解的链接：
https://zhuanlan.zhihu.com/p/376007591
https://www.jianshu.com/p/bdf084f42e80
https://www.docin.com/p-1622412323.html

---

中介效应的检验

参考来源中介效应检验程序及其应用，温忠麟，2004
这篇文章很好的介绍了中介效应的概念，站里好像就有，感兴趣的可以看一下~

分析方法

Mediation包

在网络上能看到最多的应该就是用mediation包进行的中介分析，简单好用

df<- read.csv('~/PD/PD分期/olink_sig_original.csv', check.names = F)
df[is.na(df)]<- 0 #补充NA数据，这一步看自我需求
#因子化我的分类变量
df$Gender<- as.factor(df$Gender)
df$Group<- as.factor(df$Group)
1
2
3
4
5

建立线性回归，我的X是CX3CL1, M是Meta52, Y是Group（二分类变量）

#建立线性回归，我的X是CX3CL1, M是Meta52, Y是Group（二分类变量）
a<- lm(Meta52 ~ CX3CL1+Age+Gender,df) #lm(M~X,df)
b<- glm(Group ~Meta52+CX3CL1+Age+Gender, df,family = binomial) #glm(Y~X+M)
#install.packages("mediation")
library(mediation)
set.seed(123) #保证结果可以复现
result = mediate(a,b
1
2
3
4
5
6