Causal mediation analysis: From simple to more robust strategies for estimation of marginal natural (in)direct effects
因果中介分析：边际自然直接与间接效应的稳健估计策略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分析及自然直接、间接效应的估计与推断。
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
因果中介分析：边际自然直接与间接效应的稳健估计策略
- 研究问题
- 实践者如何在加权、模型预测及其组合之间选择，用于估计边际自然直接与间接效应，并理解不同方法的建模与稳健性要求？
- 方法与思路
- 作者从加权、模型预测和加权模型构造估计量，比较跨世界权重的不同表达与估计方法，并以连续随机权重 Bootstrap 构造区间。
- 材料陈述的贡献
- 摘要称整理并提出具有不同稳健性的估计量，包含新的权重估计方式，提供协变量与中介平衡检查及一般渐近方差公式。
- 阅读关注点
- 应核对自然效应的识别条件、跨世界权重的含义、各估计量要求哪些模型正确，以及平衡诊断与区间估计能支持何种判断。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列明完整识别假设，所述稳健性不能直接理解为允许任意未观测混杂。
原文摘要
This paper aims to provide practitioners of causal mediation analysis with a better understanding of estimation options. We take as inputs two familiar strategies (weighting and model-based prediction) and a simple way of combining them (weighted models), and show how a range of estimators can be generated, with different modeling requirements and robustness properties. The primary goal is to help build intuitive appreciation for robust estimation that is conducive to sound practice. A second goal is to provide a "menu" of estimators that practitioners can choose from for the estimation of marginal natural (in)direct effects. The estimators generated from this exercise include some that coincide or are similar to existing estimators and others that have not previously appeared in the literature. We note several different ways to estimate the weights for cross-world weighting based on three expressions of the weighting function, including one that is novel; and show how to check the resulting covariate and mediator balance. We use a random continuous weights bootstrap to obtain confidence intervals, and also derive general asymptotic variance formulas for the estimators. The estimators are illustrated using data from an adolescent alcohol use prevention study.