具有多个相关中介变量的路径特定因果分解分析
统计方法学
2024-08-09 v1
摘要
因果分解分析使研究者能够确定两组之间健康结局的差异是否可归因于各组可修正中介变量分布的差异。借助此知识，研究者与政策制定者可专注于设计针对这些中介变量的干预措施。现有的因果分解分析方法要么聚焦于单一中介变量，要么假设在给定组标签与中介-结局混杂因素的条件下各中介变量条件独立。本文中，我们提出一种灵活的因果分解分析方法，可容纳多个相关且交互的中介变量，这类变量在健康行为研究与环境污染物研究中频繁出现。我们通过使用可容纳任意二值与连续中介变量组合的多元中介模型，将基于蒙特卡洛的因果分解分析方法扩展至该情形。此外，我们阐明了识别经由每个中介变量的联合与路径特定分解效应所需的因果假设。为说明所提方法下分解效应的偏差与置信区间宽度的减小，我们进行了模拟研究。我们还应用我们的方法，利用一项全国队列研究的数据，考察吸烟状况与膳食炎症评分的差异是否能解释黑人-白人之间在糖尿病发病上的差异。
引用
@article{arxiv.2308.07253,
title = {Path-specific causal decomposition analysis with multiple correlated mediator variables},
author = {Melissa J. Smith and Leslie A. McClure and D. Leann Long},
journal= {arXiv preprint arXiv:2308.07253},
year = {2024}
}