部分线性模型中中介效应的稳健推断
统计方法学
2025-01-08 v3
摘要
我们考虑在无未测量混杂假设下，暴露X通过中介M对结局Y的中介效应，其中中介与结局的条件期望模型为部分线性。我们提出了直接效应与间接效应的G估计量，并证明当M的条件均值模型或X与Y的条件均值模型正确设定时间接效应具有相合的渐近正态性，以及当Y的条件均值模型或X与M的条件均值模型正确设定时直接效应具有相合的渐近正态性。相较于先前不假设部分线性均值模型的“三重”稳健方法，这在此特定设定下是一个改进。由于检验的无中介假设具有复合性质（X对M无效应或M对Y无效应），当两种效应量均较小时功效较低，检验该假设固有地存在问题。我们利用广义矩方法（GMM）结果构建了一个新的得分检验框架，其包含无中介假设与无直接效应假设作为特例。所提出的检验依赖于一种用于估计 nuisance 参数的正交估计策略。模拟表明，在部分线性设定下，基于GMM的检验在功效与小样本表现上优于传统检验，且在模型误设下有显著改进。新方法在COPERS试验（一项研究非药物干预对慢性疼痛患者效果的随机试验）数据的中介分析中进行了说明。实现这些方法的配套R包可在 github.com/ohines/plmed 找到。
引用
@article{arxiv.2007.00725,
title = {Robust Inference for Mediated Effects in Partially Linear Models},
author = {Oliver Hines and Stijn Vansteelandt and Karla Diaz-Ordaz},
journal= {arXiv preprint arXiv:2007.00725},
year = {2025}
}