R中嵌套数据框的多层中介分析：适配包与实现方案问询

问题描述 #

现有嵌套重复测量数据：3个分组（Group A/B/C），每个分组包含30个用户ID，每个ID对应3条不同产品（Fruit/Dairy/Meat）的反应记录。需完成两类中介分析：

• 组间中介分析与汇总：比较不同Group的中介效应
• 组内产品间中介分析与汇总：同一Group内，不同Product的中介效应比较

可复现数据生成代码：

set.seed(1994)

# 生成90个唯一ID
n_IDs <- 90
ID <- paste0("ID", 1:n_IDs)

# 定义分组与产品
Groups <- rep(c("A", "B", "C"), each = n_IDs / 3)
Products <- rep(c("Fruit", "Dairy", "Meat"), times = n_IDs)

# 每个ID重复3次匹配产品
ID_rep <- rep(ID, each = 3)

# 确保所有向量长度一致
n_total <- length(ID_rep)

# 生成中介变量、协变量、自变量与因变量
Mediator1 <- round(runif(n_total, -100, 100))
Mediator2 <- round(runif(n_total, -100, 100))
Mediator3 <- round(runif(n_total, -100, 100))
Mediator4 <- round(runif(n_total, -100, 100))
Covariate1 <- round(runif(n_total, -100, 100))
Covariate2 <- round(runif(n_total, -100, 100))
IV <- round(runif(n_total, -100, 100))
DV <- round(runif(n_total, -100, 100))

# 创建数据框
DF <- data.frame(ID = ID_rep, Group = rep(Groups, each = 3), Product = Products, Mediator1, Mediator2, Mediator3, Mediator4, Covariate1, Covariate2, IV, DV)

参考工具为Amanda Kay Montoya开发的MEMORE宏（非R环境），需适配R包实现分析。

适配R包与代码实现 #

针对嵌套重复测量结构，推荐使用**lavaan（支持多层结构方程模型，适配ID嵌套）和mediation**（结合混合效应模型检验中介效应），以下分两类需求实现：

1. 组间中介分析与汇总 #

实现思路

通过分层结构方程模型，将Group作为分组变量，ID作为聚类变量，同时拟合各组中介模型并检验组间效应差异。

代码示例（以Mediator1为例，可扩展多中介）

# 安装加载依赖包
if (!require(lavaan)) install.packages("lavaan")
if (!require(dplyr)) install.packages("dplyr")
library(lavaan)
library(dplyr)

# 定义多层中介模型
group_med_model <- '
  # 中介路径定义
  Mediator1 ~ a*IV + Covariate1 + Covariate2
  DV ~ b*Mediator1 + c*IV + Covariate1 + Covariate2
  
  # 计算总效应与间接效应
  total_eff := c + a*b
  indirect_eff := a*b
  
  # 允许路径系数随Group变化（检验组间差异）
  a ~~ 0*Group
  b ~~ 0*Group
  c ~~ 0*Group
'

# 拟合模型，指定ID为聚类变量，Group为分组变量
fit_group <- sem(group_med_model, data = DF, cluster = "ID", group = "Group")

# 查看模型整体结果
summary(fit_group, fit.measures = TRUE, ci = TRUE)

# 提取各组中介效应并汇总
group_eff_summary <- parameterEstimates(fit_group) %>%
  filter(label %in% c("indirect_eff", "total_eff")) %>%
  select(group, label, est, se, ci.lower, ci.upper)

print(group_eff_summary)

2. 组内产品间中介分析与汇总 #

实现思路

按Group分组，在每组内结合混合效应模型（控制ID随机效应），检验不同Product下的中介效应差异，通过mediation包实现效应的Bootstrap检验。

代码示例（以Mediator1为例）

# 安装加载依赖包
if (!require(lmerTest)) install.packages("lmerTest")
if (!require(mediation)) install.packages("mediation")
library(lmerTest)
library(mediation)
library(dplyr)

# 按Group循环分析，存储结果
product_med_results <- list()

for (g in unique(DF$Group)) {
  # 提取当前组数据
  group_subset <- DF %>% filter(Group == g)
  
  # 拟合中介变量模型（控制ID随机效应与Product固定效应）
  m_model <- lmer(Mediator1 ~ IV + Covariate1 + Covariate2 + Product + (1|ID), data = group_subset)
  # 拟合因变量模型（控制ID随机效应、Product固定效应与中介变量）
  dv_model <- lmer(DV ~ IV + Mediator1 + Covariate1 + Covariate2 + Product + (1|ID), data = group_subset)
  
  # 检验Product分组下的中介效应（Bootstrap抽样1000次）
  med_fit <- mediate(m_model, dv_model, treat = "IV", mediator = "Mediator1", sims = 1000, group = "Product")
  
  product_med_results[[g]] <- med_fit
  cat("\n===== 分组", g, "产品间中介效应结果 =====\n")
  print(summary(med_fit))
}

# 汇总所有组的产品中介效应
product_eff_summary <- do.call(rbind, lapply(names(product_med_results), function(g) {
  eff_data <- product_med_results[[g]]$d1
  data.frame(
    Group = g,
    Product = rownames(eff_data),
    indirect_eff = eff_data$Estimate,
    se = eff_data$SE,
    ci_lower = eff_data$`2.5%`,
    ci_upper = eff_data$`97.5%`
  )
}))

print(product_eff_summary)

补充说明 #

• 多中介变量扩展：若需同时检验Mediator1-Mediator4，可在lavaan模型中添加多条中介路径，或在mediation循环中遍历每个中介变量。
• 模型调整：可根据需求修改模型（如添加Product随机效应、调整控制变量）。
• 效应显著性：Bootstrap置信区间不含0则说明中介效应显著。

内容的提问来源于stack exchange，提问作者Smuts94