用于含未观测混杂因素的纵向中介分析的反事实图模型

Ilya Shpitser

用于含未观测混杂因素的纵向中介分析的反事实图模型

统计理论 2013-03-05 v2 统计理论

作者: Ilya Shpitser

摘要

有关中介因果效应的问题在心理学、认知科学、医学、社会科学、公共卫生及许多其他学科中备受关注。例如，近期发表在主流社会心理学期刊上的论文中约有 60% 包含至少一项中介检验（Rucker, Preacher, Tormala, & Petty, 2011）。标准的中介分析参数方法使用回归模型，并采用在流行病学中更常见的“差异法”（Judd & Kenny, 1981）或社会科学中更常见的“乘积法”（Baron & Kenny, 1986）。在本文中，我们首先讨论一个已知但可能常被忽视的事实：这些参数方法是由 Neyman (1923) 和 Rubin (1974) 首次描述，并由 J. Robins (1986) 和 Pearl (2000) 与因果图模型联系起来的一般反事实因果推理框架的特例。随后，我们展示了该框架的若干优势。首先，它使中介分析背后的强假设变得明确。其次，它避免了乘积法和差异法中存在的若干问题，例如在某些情况下效应估计有偏。最后，我们通过证明一个新颖的结果来展示该框架的普适性，该结果允许将中介分析应用于存在未观测混杂因素的纵向设定中。

关键词

反事实图模型纵向中介分析未观测混杂因果推断中介检验乘积法差异法

引用

@article{arxiv.1205.0241,
  title  = {Counterfactual Graphical Models for Longitudinal Mediation Analysis with Unobserved Confounding},
  author = {Ilya Shpitser},
  journal= {arXiv preprint arXiv:1205.0241},
  year   = {2013}
}

备注

To appear in the 2012 Rumelhart prize special issue of Cognitive Science honoring Judea Pearl

用于含未观测混杂因素的纵向中介分析的反事实图模型

摘要

关键词

引用

备注

相关论文