İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Nedensel Aracılık Analizi (Doğal Doğrudan ve Dolaylı Etkiler)
Regression model

Nedensel Aracılık Analizi (Doğal Doğrudan ve Dolaylı Etkiler)

Causal Mediation Analysis (Natural Direct and Indirect Effects) · Ayrıca şöyle bilinir: natural direct effect, natural indirect effect, NDE / NIE decomposition, counterfactual mediation, Nedensel Arabuluculuk Analizi (NDE / NIE)

Nedensel aracılık analizi, bir tedavinin toplam etkisini Doğal Doğrudan Etki (NDE) ve bir aracının (mediator) aracılığıyla gerçekleşen Doğal Dolaylı Etki (NIE) olarak ayıran bir karşıolgusal (counterfactual) çerçevedir. Modern genel yaklaşım Pearl (2001) ve Imai, Keele ve Tingley (2010) tarafından biçimlendirilmiş olup, bu ayrıştırmaya kesin bir nedensel yorum kazandırmıştır.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Nedensel Aracılık Analizi (Doğal Doğrudan ve Dolaylı Etkiler)
Koşullu Süreç Analizi (M…Yönlendirilmiş Döngüsüz…Lojistik RegresyonModerasyon (Etkileşim) A…En Küçük Kareler (EK) Re…Çift Sağlam Tahmin (AIPW)Ters Olasılıkla Tedavi A…Çok Düzeyli Aracılık Ana…

Ne zaman kullanılır

Tedavinin bir sonucu etkileyip etkilemediğini değil, o etkinin ne kadarının belirli bir aracıdan geçtiğini bilmek istediğinizde, en az yaklaşık 100 gözlemle nedensel aracılık analizi kullanın. Güçlü, ölçülmemiş karıştırıcılık (confounding) varsayımlarına dayanır: tedavi-sonuç karıştırıcılığı yok, aracı-sonuç karıştırıcılığı yok, tedavi-aracı karıştırıcılığı yok ve aracı değerlerini karşıolgusal tedavi seviyeleri arasında karşılaştırmanıza izin veren çapraz-dünya varsayımı. Sürekli, ikili veya kategorik tedavilere sahip kesitsel veya boylamsal veriler için uygundur. Örneklem küçük olduğunda veya karıştırıcılık varsayımları makul olmadığında güvenilmezdir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Tanımlayıcı bir katsayılar çarpımı hikayesi yerine, doğrudan ve dolaylı etkilerin kesin bir karşıolgusal tanımını verir.
  • Toplam etkiyi NDE ve NIE'ye ayırır, böylece tedavinin ne kadarının aracı yoluyla çalıştığını ölçebilirsiniz.
  • Sürekli, ikili veya kategorik tedavileri ele alır ve kesitsel veya boylamsal tasarımlar için çalışır.
Sınırlılıklar
  • Oldukça büyük bir örneklem gerektirir (en az yaklaşık 100); bunun altında dolaylı etki tahmini kararsızlaşır ve güçsüzleşir.
  • Test edilemeyen çapraz-dünya varsayımı da dahil olmak üzere dört güçlü tanımlama varsayımına dayanır, bu nedenle karıştırıcılık mevcutsa nedensel yorum geçersiz olabilir.
  • Nedensel yorum yalnızca tüm karıştırıcılık olmaması varsayımları güvenilir ise geçerlidir; aksi takdirde ayrıştırma yanıltıcıdır.

SSS

NDE ve NIE arasındaki fark nedir?

Doğal Doğrudan Etki (NDE), tedavinin aracının içinden geçmeyen etkisinin kısmıdır, Doğal Dolaylı Etki (NIE) ise onun içinden akan kısımdır. Birlikte toplam etkiyi oluştururlar ve tedavinin ne kadarının doğrudan ne kadarının aracı yoluyla işlediğini size söylerler.

Çapraz-dünya varsayımı nedir?

Bir aracı farklı bir tedavi seviyesi altında sahip olacağı değeri alırken, bir tedavi seviyesi altındaki bir sonucu karşılaştırmanıza izin veren varsayımdır. Gözlemlenen verilerden test edilemez, bu nedenle aracılığın nedensel yorumu test edilemeyen tanımlama koşullarına bağlıdır.

Ne kadar büyük bir örneğe ihtiyacım var?

En az yaklaşık 100 gözlem. Daha azıyla, NDE ve NIE bileşenlerini ayırmak için yeterli istatistiksel güç yoktur ve dolaylı etki tahmini kararsız hale gelir; DAG tabanlı bir tanımlama yaklaşımı daha güvenli bir yedektir.

Bu, klasik Baron-Kenny aracılığından nasıl farklıdır?

Klasik aracılık regresyon katsayılarını çarpar ve tanımlayıcıdır. Nedensel yaklaşım, açık karıştırıcılık olmaması varsayımlarıyla karşıolgusallar aracılığıyla doğrudan ve dolaylı etkileri tanımlar, bu nedenle ayrıştırma, yalnızca korelasyonel bir yol yorumundan ziyade gerçek bir nedensel anlam taşır.

Kaynaklar

  1. Pearl, J. (2001). Direct and Indirect Effects. In Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (UAI), 411-420. link ↗
  2. Imai, K., Keele, L., & Tingley, D. (2010). A General Approach to Causal Mediation Analysis. Psychological Methods, 15(4), 309-334. DOI: 10.1037/a0020761 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Causal Mediation Analysis (Natural Direct and Indirect Effects). ScholarGate. https://scholargate.app/tr/causal-inference/causal-mediation

İlişkili yöntemler

Koşullu Süreç Analizi (Modere Edilmiş Aracılık)Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Lojistik RegresyonModerasyon (Etkileşim) AnaliziEn Küçük Kareler (EK) Regresyonu

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Koşullu Süreç Analizi (Modere Edilmiş Aracılık)Nedensel çıkarım↔ karşılaştır
  • Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Nedensel çıkarım↔ karşılaştır
  • Lojistik RegresyonAraştırma istatistiği↔ karşılaştır
  • Moderasyon (Etkileşim) AnaliziNedensel çıkarım↔ karşılaştır
  • En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Koşullu Süreç Analizi (Modere Edilmiş Aracılık)Çift Sağlam Tahmin (AIPW)Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)Moderasyon (Etkileşim) AnaliziÇok Düzeyli Aracılık Analizi

Benzer yöntemler

Aracılık AnaliziÖn Kapı Ayarlaması (Frontdoor Criterion)Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Koşullu Süreç Analizi (Modere Edilmiş Aracılık)Karşı-olgusal Etki Değerlendirmesi (CIE)Modere Edilmiş Aracılık Analizi

İlgili referans kavramlar

Nedensel ÇıkarımKarşıolgusal Akıl YürütmeYönlendirilmiş Asiklik GrafikNedensel TanımlamaDuyarlılık AnaliziEtki Modifikasyonu ve Etkileşim

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Causal Mediation Analysis (Causal Mediation Analysis (Natural Direct and Indirect Effects)). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/causal-mediation · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Pearl (2001); general framework by Imai, Keele & Tingley (2010)
Year
2010
Type
Counterfactual causal decomposition
Estimator
Two-stage regression / IPW with nonparametric bootstrap
Effects
Natural Direct Effect (NDE) and Natural Indirect Effect (NIE)
MinSample
100
İlişkili yöntemler
Koşullu Süreç Analizi (Modere Edilmiş Aracılık)Yönlendirilmiş Döngüsüz Graf (DAG) ile Nedensel Tanımlama (do-calculus)Lojistik RegresyonModerasyon (Etkileşim) AnaliziEn Küçük Kareler (EK) Regresyonu
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil