针对中介效应的高效调整联合显著性检验与Sobel型置信区间

中介分析是许多研究领域中的重要统计工具，其中联合显著性检验被广泛用于检验中介效应。然而，该中介检验方法的局限性在于其保守的第I类错误率，这降低了其统计功效，并对其应用构成了一定限制。为解决这一不足，本文提出了针对单中介变量的调整联合显著性检验，引入了一种新颖的数据调整方法来评估中介效应，展现了显著的进步。该方法设计得用户友好，从而无需复杂的操作流程。我们进一步将调整联合显著性检验扩展到具有族系错误率（FWER）控制的小规模中介假设检验。此外，我们还为中介效应提出了一种新颖的调整Sobel型置信区间，相比传统Sobel方法有显著提升。我们通过广泛的模拟评估了所提中介检验和置信区间估计的有效性，并与众多现有方法进行了比较。最后，我们展示了该方法在三个分别具有连续型、二分类和生存时间结局的实质性数据集上的应用。