具有多个因果有序中介变量的因果中介分析的半参数估计
统计方法学
2021-11-12 v2
摘要
因果中介分析关注处理效应通过何种路径影响结局。尽管多数中介文献聚焦于单一中介变量的情形，但一条蓬勃发展的研究脉络考察了涉及多个中介变量的情形，其中路径特定效应（PSEs）常为关注重点。我们考虑当处理效应经由 K(≥1) 个因果有序、可能为多元的中介变量发挥作用时 PSEs 的估计。在此设定下，许多因果路径的 PSEs 无法非参数识别，我们聚焦于在 Pearl 非参数结构方程模型下可识别的一组 PSEs。这些 PSEs 定义为 2^{K+1} 个潜在结局期望之间的对比，并通过我们所称的广义中介泛函（GMF）识别。我们引入了一系列回归插补、加权及“混合”估计量，特别地，给出了 GMF 的两个 K+2-稳健且局部半参数有效的估计量。后一类估计量非常适合使用数据自适应方法估计其 nuisance 函数。我们建立了 nuisance 函数达到半参数有效性所需的比率条件。我们还讨论了我们的框架如何应用于实证中可能特别感兴趣的若干估计量。所提估计量通过模拟研究与一个实证例子加以说明。
引用
@article{arxiv.2011.12751,
title = {Semiparametric Estimation for Causal Mediation Analysis with Multiple Causally Ordered Mediators},
author = {Xiang Zhou},
journal= {arXiv preprint arXiv:2011.12751},
year = {2021}
}