高维中介模型中检测多个中介变量的新方法
统计方法学
2025-04-17 v1
摘要
本文提出了一种新方法，用于在高维中介模型中检测多个生物标志物，通过采用修改后的最小绝对收缩与选择算子（LASSO）以及通路 LASSO。该方法有效解决了过度估计直接效应的问题，这会导致对中介效应不为零的中介变量的准确识别。为缓解这种过度估计并提高检测中介变量的真阳性率，引入了两个 -范数惩罚约束。所提出的方法通过在各种情景下的大量仿真 demonstrating its effectiveness，突显其在不同条件下的鲁棒性和可靠性。此外，介绍了一个用于选择维度约简的最优阈值的程序，使用 sure independence screening，增强了真实生物标志物检测的准确性，并得到一个稳健且适用于实际应用的最终模型。为了说明该方法的实际用途，我们将结果应用于涉及内在心理障碍患者的研究数据集，展示了其在临床环境中的适用性。总体而言，该方法在高维中介模型中代表了生物标志物检测的重大进展，为研究和临床实践都带来了有前景的意义。
引用
@article{arxiv.2504.11550,
title = {A Novel Strategy for Detecting Multiple Mediators in High-Dimensional Mediation Models},
author = {Pei-Shan Yen and Soumya Sahu and Debarghya Nandi and Zhaoliang Zhou and Olusola Ajilore and Dulal Bhaumik},
journal= {arXiv preprint arXiv:2504.11550},
year = {2025}
}