具有多个潜在中介变量的探索性中介分析

社会与行为科学家正越来越多地采用 fMRI、智能手机和基因测序等技术，这些技术产生了列多于行的“高维”数据集。对于这些数据中变量在已知过程中所起作用，人们的兴趣日益增加，但实质性理论却很少。这 necessitates 探索性中介分析，其中结构方程模型是基准方法。然而，该方法无法在变量数多于观测数时进行中介分析。一种选择是运行一系列单变量中介模型，这错误地假设了中介变量之间相互独立。另一种选择是正则化，但现有实现可能导致较高的假阳性率。在本文中，我们开发了一种结合滤波与正则化两种成分的混合方法：“坐标-wise 中介滤波器（Coordinate-wise Mediation Filter）”。它在给定其他已选中介变量的条件下进行滤波。我们通过模拟表明，该方法相比现有方法提升了性能。最后，我们提供了一个实证示例，展示了我们的方法如何用于表观遗传学研究。