面向多重中介变量的贝叶斯方法：在主分层与因果中介分析中关联电厂排放控制

安装在美国电厂上的排放控制技术是美国许多空气污染法规的关键特征。尽管此类法规基于排放、环境空气污染与人类健康之间假定的关系，但这些关系中有许多从未得到实证验证。本文的目标是开发新的统计方法来量化这些关系。我们将此问题构建为中介分析问题，以评估某一特定控制技术对环境污染的影响在多大程度上是通过对电厂排放的因果效应来中介的。由于电厂排放多种促成环境污染的化合物，我们针对同时被测度、可能相互交互并可能表现出联合中介效应的多个中间变量开发了新方法。具体而言，我们提出利用两个相关框架的新方法来进行存在中介变量时的因果推断：主分层（principal stratification）与因果中介分析（causal mediation analysis）。我们基于多个中介变量定义主效应，并引入将干预对环境污染总效应分解为所有中介变量组合的自然直接效应与自然间接效应的新分解方式。两种方法都锚定于相同的观测数据模型，我们用贝叶斯非参数技术来设定这些模型。我们给出估计主因果效应的假设，然后补充因果中介分析所需的额外假设。这两种分析结合解读，提供了对支撑重要空气质量监管政策的假定因果路径的首次实证考察。