基于稀疏主成分的高维中介分析
应用统计
2019-09-05 v1
摘要
因果中介分析旨在量化中介变量在从处理到结果的因果路径上的中间效应。当存在多个潜在因果依赖的中介变量时，路径效应的可能分解随中介数量呈指数增长。Huang和Pan（2016）引入了一种基于主成分分析（PCA）的方法来应对这一挑战，其中变换后的中介在给定PC正交性时条件独立。然而，作为原始中介线性组合的变换后中介PC难以解释。本研究中，我们采用Zou等人（2006）提出的稀疏PCA方法并将其应用于中介设定，提出一种稀疏高维中介分析方法。我们将该方法应用于一项基于任务的功能性磁共振成像研究，结果表明我们提出的方法能够检测出与所识别中介相关的具有生物学意义的结果。
引用
@article{arxiv.1806.06118,
title = {Sparse Principal Component based High-Dimensional Mediation Analysis},
author = {Yi Zhao and Martin A. Lindquist and Brian S. Caffo},
journal= {arXiv preprint arXiv:1806.06118},
year = {2019}
}
备注
24 pages, 3 figures, 1 table