从入门到精通：利用Stata的medsens包完成中介效应敏感性分析

1. 中介效应分析的核心概念

中介效应分析是社会科学和医学研究中常用的统计方法，它帮助我们理解自变量如何通过中介变量影响因变量。想象一下，你正在研究一种新药对患者康复的影响。药物（自变量）可能通过减轻症状（中介变量）来促进康复（因变量），这就是典型的中介效应场景。

在Stata中，medsens包是由著名统计学家Imai团队开发的工具，它不仅能够进行基础的中介效应分析，还能评估结果的稳健性。我刚开始接触这个包时，最让我惊喜的是它的敏感性分析功能。很多研究者做完中介分析就结束了，但实际上，未观测到的混杂变量可能会影响我们的结论。medsens包通过rho参数帮助我们量化这种潜在影响。

与常见的sgmediation包相比，medsens包有三大优势：首先，它提供了完整的敏感性分析框架；其次，它与R语言的mediation包同源，方法学基础扎实；最后，它已经发表在Stata官方期刊上，经过了严格的学术检验。我在实际分析中发现，很多审稿人特别看重敏感性分析部分，这往往是一篇论文能否通过评审的关键。

2. 安装与数据准备

2.1 安装medsens包

安装medsens包非常简单，但新手可能会遇到一些小问题。我建议直接在Stata命令窗口输入：

net install st0243, from(http://www.stata-journal.com/software/sj14-4)

这个命令会从Stata期刊官网下载最新版本。如果遇到网络问题，可以尝试更换下载源。安装完成后，用help medeff和help medsens检查是否成功，这两个命令会显示包的帮助文档。

记得每次更新Stata后重新安装一次，我遇到过因为版本不兼容导致的分析错误。另外，建议同时安装estout包，它可以帮助我们更好地整理和输出结果：

ssc install estout

2.2 数据准备与变量选择

数据分析的质量很大程度上取决于数据准备。我们以经典的移民数据为例（可以在公众号回复"移民数据"获取）。这个数据集包含：

• Emo：焦虑评分（连续变量）
• treat：治疗分组（0=对照组，1=实验组）
• cong_mesg：是否发送移民信息（二分类结果变量）
• 其他协变量：年龄、教育程度、性别、收入等

在开始分析前，一定要做好数据清洗：

// 检查缺失值 misstable summarize // 处理极端值 sum emo, detail // 变量描述统计 tabstat emo cong_mesg treat, stat(mean sd min max n)

选择变量时要特别注意中介变量的理论合理性。在我的一个心理学项目中，最初选择了错误的mediator导致结果无法解释。后来通过文献回顾和专家咨询才找到合适的中介变量。记住：统计显著性不等于理论合理性。

3. 基础中介效应分析

3.1 medeff命令详解

medeff是medsens包的核心命令，它的语法结构非常灵活：

medeff (model1) (model2) [, options]

其中model1是中介变量模型，model2是结果变量模型。在我们的例子中：

medeff (regress emo treat age) (logit cong_mesg treat emo age), /// treat(treat) mediate(emo) sims(1000) seed(1234)

这个命令做了三件事：

1. 建立emo对treat和age的线性回归
2. 建立cong_mesg对treat、emo和age的logistic回归
3. 通过1000次模拟计算中介效应

关键选项解释：

• treat()：指定处理变量
• mediate()：指定中介变量
• sims()：设置模拟次数（建议至少1000次）
• seed()：设定随机种子保证结果可重复

3.2 结果解读技巧

运行后会输出三部分结果：

1. 总效应：treat对cong_mesg的总影响
2. 直接效应：控制mediator后treat的剩余效应
3. 中介效应：通过emo传递的间接效应

我刚开始看结果时容易混淆几个效应值。一个实用技巧是画路径图：

总效应 = 直接效应 + 中介效应

如果直接效应的置信区间包含0，说明大部分影响是通过中介变量传递的，就像我们的例子中所示。

特别注意比例中介效应（Proportion Mediated），它表示中介效应占总效应的比例。在我的数据分析中，这个指标经常被审稿人问及。计算方法是：

比例中介效应 = 中介效应 / 总效应

4. 敏感性分析实战

4.1 medsens命令深度解析

基础中介分析只是开始，敏感性分析才是medsens包的精华所在。命令格式与medeff类似：

medsens (regress emo treat age) (logit cong_mesg treat emo age), /// med(emo) treat(treat) sims(1000) level(95) graph

这个命令会生成两个重要输出：

1. 敏感性参数rho的临界值
2. 漂亮的敏感性分析图

rho表示未观测混杂变量与中介变量和结果变量的相关性。我常把它比作"研究结论的抗震等级"——rho值越大，说明结论越稳健。在心理学研究中，rho>0.3通常被认为是可以接受的门槛。

4.2 图形解读与定制

默认图形包含三条关键信息：

1. 中介效应随rho的变化曲线
2. 置信区间带
3. 使中介效应为0的rho临界值（红色参考线）

我经常需要调整图形以满足期刊要求。比如修改颜色和坐标轴：

twoway rarea _med_updelta0 _med_lodelta0 _med_rho, bcolor(gs14) || /// line _med_delta0 _med_rho, lcolor(black) lwidth(1.5) ||, /// ylabel(-0.2(0.1)0.2, angle(0)) ytitle("中介效应值") /// xtitle("敏感性参数ρ") legend(off) title("中介效应敏感性分析")

保存图形时建议同时保存Stata格式和出版质量格式：

graph export sensitivity.emf, replace graph save sensitivity.gph, replace

5. 高级应用与常见问题

5.1 处理不同类型变量

medsens包可以处理各种变量组合：

• 连续中介变量+连续结果变量：都用regress
• 连续中介变量+二分类结果变量：regress + logit
• 二分类中介变量+连续结果变量：logit + regress
• 二分类中介变量+二分类结果变量：都用logit

在我的一个医学研究中，遇到了生存时间数据。这时需要使用stset声明生存时间，然后用stcox代替logit：

stset time, failure(dead) medeff (regress biomarker treatment) (stcox treatment biomarker), /// treat(treatment) mediate(biomarker) sims(1000)

5.2 常见错误与解决方案

1. 收敛问题：增加sims次数到5000或10000
2. 内存不足：关闭其他程序，或使用set mem命令
3. 图形显示异常：更新Stata到最新版本
4. 结果不稳定：检查种子设置，确保结果可重复

我遇到过最棘手的问题是中介效应估计值方向与理论预期相反。经过排查发现是编码问题——将对照组和实验组编码颠倒了。所以一定要：

tab treat, nolabel

检查编码是否正确。

6. 完整分析报告撰写建议

一份完整的中介效应分析报告应包含：

1. 理论模型图示
2. 描述性统计表格
3. 中介效应分析结果
4. 敏感性分析图表
5. 稳健性检验（如不同模型设定）

使用esttab可以快速生成出版级表格：

eststo m1: regress emo treat age eststo m2: logit cong_mesg treat emo age esttab m1 m2 using results.rtf, replace /// b(3) se(3) star(* 0.05 ** 0.01) /// title("回归分析结果") mtitles("模型1(中介)" "模型2(结果)")

在结果解释部分，我通常会这样组织： "敏感性分析显示，只有当未观测混杂变量与中介变量和结果变量的相关性ρ超过0.45时（见图2），中介效应才会变得不显著。考虑到既往研究发现常见混杂变量的ρ值通常在0.2-0.3之间，本研究的中介效应结果具有较好的稳健性。"

7. 扩展应用与最新进展

近年来，中介效应分析有几个值得关注的发展：

1. 多重中介模型：可以同时考察多个中介变量的作用
2. 纵向中介分析：处理时间序列数据
3. 异质性分析：考察中介效应在不同亚组中的差异

虽然medsens包目前不支持这些高级功能，但可以结合其他命令实现。例如，用sem命令做多重中介：

sem (emo <- treat age)(cong_mesg <- treat emo age), /// vce(robust) method(mlmv)

在完成分析后，我习惯用以下命令清理工作空间并保存日志：

clear all log close _all log using mediation.log, replace text

最后提醒一点：统计方法再高级，也不能替代理论思考。在我的审稿经历中，经常看到精美的分析背后是薄弱的概念模型。建议在运行任何命令前，先用纸笔画出自变量、中介变量和因变量的理论关系图，并与领域专家讨论模型的合理性。