因果中介效应的识别、推断与敏感性分析
统计方法学
2010-11-05 v1
摘要
因果中介分析被各学科的应用研究者常规性地使用。此类分析的目标是通过考察位于处理变量和结果变量之间因果路径上的中间变量的作用，来探究替代性因果机制。在本文中，我们首先证明，在特定版本的序贯可忽略性假设下，平均因果中介效应(ACME)是非参数可识别的。我们将我们的识别假设与文献中提出的假设进行了比较。还讨论了我们的识别结果的一些实际意义。特别地，基于线性结构方程模型(LSEM)的流行估计量，在附加参数假设下，可被解释为ACME估计量。我们表明，这些假设在LSEM框架内外部可以轻松放宽，并提出了简单的非参数估计策略。其次，或许也是最重要的，我们提出了一种新的敏感性分析，应用研究者可以在LSEM框架内轻松实现。与现有的识别假设一样，所提出的序贯可忽略性假设在许多应用场景中可能过强。因此，敏感性分析对于检验实证结果对可能存在未测量混杂因素的稳健性至关重要。最后，我们将所提出的方法应用于政治心理学的一项随机实验。我们还提供了易于使用的软件来实现所提出的方法。
引用
@article{arxiv.1011.1079,
title = {Identification, Inference and Sensitivity Analysis for Causal Mediation Effects},
author = {Kosuke Imai and Luke Keele and Teppei Yamamoto},
journal= {arXiv preprint arXiv:1011.1079},
year = {2010}
}
备注
Published in at http://dx.doi.org/10.1214/10-STS321 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)