Classical and causal inference approaches to statistical mediation analysis

Abstract

Antecedentes: aunque existe un amplio consenso en el uso de los procedimientos estadísticos para el análisis de la mediación en la investigación psicológica, la interpretación del efecto de mediación resulta muy controvertida debido al potencial incumplimiento de los supuestos que requiere su aplicación, la mayoría de los cuales son ignorados en la práctica. Método: se resumen los procedimientos actualmente vigentes para el análisis de mediación desde los enfoques clásico y de la inferencia causal, junto con los supuestos estadísticos para estimar efectos de mediación no sesgados, en particular la existencia de variables omitidas o confundidores, y se utiliza un estudio de simulación para determinar si la violación de los supuestos puede cambiar la estimación del efecto de mediación. Resultados: el estudio de simulación mostró una sobreestimación importante del efecto de mediación en presencia de confundidores latentes. Conclusiones: se recomienda complementar el enfoque clásico con el enfoque de la inferencia causal, que generaliza los resultados del primer enfoque al análisis de la mediación e incorpora nuevas herramientas para evaluar sus supuestos estadísticos. Para alcanzar tal objetivo se comparan las características distintivas de los programas de software recientemente desarrollados en R, SAS, SPSS y Mplus.

Although there is a broad consensus on the use of statistical procedures for mediation analysis in psychological research, the interpretation of the effect of mediation is highly controversial because of the potential violation of the assumptions required in application, most of which are ignored in practice. Method: This paper summarises two currently independent procedures for mediation analysis, the classical/ SEM and causal inference/CI approaches, together with the statistical assumptions required to estimate unbiased mediation effects, in particular the existence of omitted variables or confounders. A simulation study was run to test whether violating the assumptions changes the estimation of mediating effects. Results: The simulation study showed a signifi cant overestimation of mediation effects with latent confounders. Conclusions: We recommend expanding the classical with the causal inference approach, which generalises the results of the fi rst approach to mediation using a common estimation method and incorporates new tools to evaluate the statistical assumptions. To achieve this goal, we compare the distinguishing features of recently developed software programs in R, SAS, SPSS, STATA and Mplus