基于贝叶斯决策树集成估计异质性因果中介效应
统计方法学
2023-03-06 v1 应用统计
摘要
因果推断文献日益认识到，明确针对处理效应异质性可增进科学理解并改进政策建议。出于同样目的，研究连接处理与结果的因果路径同样有益。本文在因果中介分析背景下解决这些问题。我们引入一种基于贝叶斯加性回归树的变化系数模型，以识别并正则化异质性因果中介效应；类似于线性结构方程模型，这些效应对应于协变量依赖的系数乘积。我们表明，即使在具有少量协变量的大型数据集上，LSEM（线性结构方程模型）也会对条件平均直接效应与间接效应产生高度不稳定的估计，而我们的贝叶斯因果中介森林模型产生的估计是稳定的。我们发现我们的方法是保守的，其效应估计“向同质性收缩”。我们使用来自医疗支出面板调查的数据以及基于经验基础的模拟数据考察了我们方法的显著性质。最后，我们展示了如何将我们的模型与后验汇总策略相结合，以识别有趣子群并解释模型拟合。
引用
@article{arxiv.2303.01620,
title = {Estimating Heterogeneous Causal Mediation Effects with Bayesian Decision Tree Ensembles},
author = {Angela Ting and Antonio R. Linero},
journal= {arXiv preprint arXiv:2303.01620},
year = {2023}
}