关于在不假设序列可忽略性下估计计数结局的因果受控直接效应与中介效应
统计方法学
2016-01-26 v1
摘要
因果中介分析是社会和医学研究中的一种重要统计方法，因为它能揭示干预为何有效，并为未来干预措施的发展提供信息。目前，大多数因果中介方法侧重于在均值尺度上定义的中介效应。然而，在健康风险研究（如饮酒或危险性行为）中，结局通常为计数数据且高度偏斜。因此，这些环境中的中介效应在自然率比尺度（如泊松和负二项回归方法中的率比尺度）上更为自然。现有方法主要依赖于中介变量与结局之间无未测量混杂的假设。为了允许中介变量与结局之间存在潜在混杂因素，我们在一个新尺度上定义了直接效应和中介效应，并提出了一种用于计数结局中介分析的乘积结构均值模型。通过模拟研究以及一项关于饮酒相关干预研究的真实案例，将该估计量与假设序列可忽略性的泊松和负二项回归方法进行比较。使用新方法进行的中介分析证实了研究假设，即该干预通过降低个体对饮酒的规范性认知来减少饮酒。
引用
@article{arxiv.1601.06743,
title = {On estimating causal controlled direct and mediator effects for count outcomes without assuming sequential ignorability},
author = {Cheng Zheng and David C. Atkins and Melissa A. Lewis and Xiao-Hua Zhou},
journal= {arXiv preprint arXiv:1601.06743},
year = {2016}
}