面向稀疏不规则纵向数据的因果中介分析

因果中介分析旨在研究暴露对结果的处置效应如何通过中间变量中介传递。尽管许多应用涉及纵向数据，现有方法不能直接适用于中介变量与结果在稀疏且不规则时间网格上测量的情形。我们从泛函数据分析的视角扩展了现有因果中介框架，将稀疏不规则纵向数据视为潜在平滑随机过程的实现。我们相应地定义了直接与间接效应的因果估计量，并给出了相应的识别假设。对于估计与推断，我们采用泛函主成分分析进行降维，并在结构方程模型中使用前几个泛函主成分代替完整轨迹。我们采用贝叶斯范式来准确量化不确定性。所提方法的运行特性通过模拟进行了检验。我们将所提方法应用于来自肯尼亚野生狒狒种群的纵向数据集，以研究早期逆境、动物间社会纽带强度与成年糖皮质激素浓度之间的因果关系。我们发现早期逆境对雌性成年期糖皮质激素浓度具有显著直接效应（增加 9–14%），但几乎未发现这些效应由薄弱社会纽带中介的证据。