The positivity assumption in causal mediation analyses? Checked!
因果中介分析中的正值性假设检查AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论因果中介效应及其正值性识别要求。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
因果中介分析中的正值性假设检查
- 研究问题
- 因果中介分析同时涉及暴露和中介变量的正值性要求，如何针对受控、自然及干预中介效应分别检查潜在违反？
- 方法与思路
- 作者将正值性回归树 PoRT 扩展到三类中介效应，以心理健康应用展示使用方式，并提供 R 软件包及相关笔记本。
- 材料陈述的贡献
- 摘要提出面向不同中介估计目标的正值性检查工具，并讨论发现违反后的后果和建议，补充中介分析中较少被检查的假设。
- 阅读关注点
- 应核对各中介效应对应的支持集要求、树算法的检查标准，以及有限样本稀疏与真正正值性违反如何区分和处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未经核实；摘要未说明诊断阈值或误判性质，正值性检查也不能验证其他因果识别假设。
原文摘要
Causal mediation analyses are increasingly used in psychological sciences. Among the required assumptions, positivity is unfortunately seldom mentioned, likely due to the lack of tools for checking it. Mediational positivity is more complex than positivity in standard, non-mediated exposure effect analysis, because it requires positivity for both the exposure and the mediator, and because the specific form of the positivity assumption depends on the mediation estimand of interest. We propose an extension of the Positivity Regression Trees (PoRT) algorithm -- which was recently designed to check positivity in non-mediated settings without requiring assumptions about the modeling or the data-generating process -- to controlled, natural and interventional mediational effects. We illustrate its use through an application in mental health and have made it accessible through the port R package and a related notebook available at github.com/ArthurChatton/dePoRT-notebook. Finally, we discuss consequences and provide recommendations for when positivity violations are identified.