A Bayesian nonparametric approach to mediation and spillover effects with multiple mediators in cluster-randomized trials
整群随机试验中多重中介与溢出效应的贝叶斯非参数方法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：摘要明确研究因果中介效应，并处理同一群组内个体间的干扰与溢出，因此对应因果推断及网络与干扰。
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…
关注这篇论文的作者
整群随机试验中多重中介与溢出效应的贝叶斯非参数方法
- 研究问题
- 在包含多个无明确结构中介的整群随机试验中，如何同时处理组内相关与个体间干扰，并区分自身中介和他人中介的作用？
- 方法与思路
- 作者提出区分自身与组内溢出作用的中介效应 estimand，给出识别结果，并构造嵌套依赖狄利克雷过程混合先验拟合不同层级的结局与中介函数。
- 材料陈述的贡献
- 摘要称，新方法将多重中介、组内干扰与灵活建模纳入同一框架，并通过多场景模拟、参数模型比较及已完成试验的应用进行评估。
- 阅读关注点
- 应核对各中介效应的精确定义、识别所需假设与干扰范围，以及先验如何连接不同层级；同时检查模拟中的偏差、覆盖率和模型敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明具体识别假设、先验设置和模拟数值，不能判断方法对实际干扰结构的适用范围。
原文摘要
Cluster randomized trials (CRTs) with multiple unstructured mediators present significant methodological challenges for causal inference due to within-cluster correlation, interference among units, and the complexity introduced by multiple mediators. Existing causal mediation methods often fall short in simultaneously addressing these complexities, particularly in disentangling mediator-specific effects under interference that are central to studying complex mechanisms. To address this gap, we propose new causal estimands for spillover mediation effects that differentiate the roles of each individual's own mediator and the spillover effects resulting from interactions among individuals within the same cluster. We establish identification results for each estimand and, to flexibly model the complex data structures inherent in CRTs, we develop a new Bayesian nonparametric prior -- the Nested Dependent Dirichlet Process Mixture -- designed for flexibly capture the outcome and mediator surfaces at different levels. We conduct extensive simulations across various scenarios to evaluate the frequentist performance of our methods, compare them with a Bayesian parametric counterpart and illustrate our new methods in an analysis of a completed CRT.