存在中介混杂时因果中介的非代理干预
统计方法学
2023-04-26 v4
摘要
近期的因果推断方法侧重于定义为在图模型节点上进行假设干预下反事实结果分布之间对比的因果效应。在本文中，我们针对一种不同类型的干预发展了因果效应理论，这种干预改变了通过图边传播的信息。在原因不可操控的环境中，例如将种族或遗传学视为因果因素时，这些信息传递干预可能比节点干预更有用。此外，信息传递干预使我们能够定义路径特定的分解，这些分解在存在处理诱导的中介-结果混杂时是可识别的，这是一个其通用解决方案仍然难以捉摸的实际问题。我们证明，与基于对中介进行随机干预的流行方法不同，所提出的效应为机制提供了有效的统计检验。我们利用数据自适应回归结合半参数效率理论，为所提出效应的协方差版本提出了高效的非参数估计量，以解决模型误设偏差，同时保持 -一致性和渐近正态性。我们使用公开可用的数据，通过两个例子说明了我们方法的应用。
引用
@article{arxiv.2205.08000,
title = {Non-agency interventions for causal mediation in the presence of intermediate confounding},
author = {Iván Díaz},
journal= {arXiv preprint arXiv:2205.08000},
year = {2023}
}