Causal Mediation and Sensitivity Analysis for Mixed-Scale Data
混合尺度数据的因果中介与敏感性分析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分析，并估计平均及分位数中介效应。
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…
混合尺度数据的因果中介与敏感性分析
- 研究问题
- 当结局或中介变量兼具连续部分与边界取值时，如何估计平均和分位数中介效应，并评估未识别因素带来的敏感性？
- 方法与思路
- 作者建立适用于连续与二元混合响应的参数框架，采用零一膨胀贝塔模型，并在JOBS II数据中引入敏感性参数。
- 材料陈述的贡献
- 摘要称展示了非正态模型的必要性、边界受限数据的平均及分位数中介效应估计，以及具有科学含义的敏感性分析。
- 阅读关注点
- 应核对中介效应的定义、所需识别假设、零一膨胀模型设定，以及敏感性参数的解释、取值范围和结论变化。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未详述作者方法的识别条件，参数模型与敏感性分析不能替代假设核验。
原文摘要
The goal of causal mediation analysis, often described within the potential outcomes framework, is to decompose the effect of an exposure on an outcome of interest along different causal pathways. Using the assumption of sequential ignorability to attain non-parametric identification, Imai et al. (2010) proposed a flexible approach to measuring mediation effects, focusing on parametric and semiparametric normal/Bernoulli models for the outcome and mediator. Less attention has been paid to the case where the outcome and/or mediator model are mixed-scale, ordinal, or otherwise fall outside the normal/Bernoulli setting. We develop a simple, but flexible, parametric modeling framework to accommodate the common situation where the responses are mixed continuous and binary, and apply it to a zero-one inflated beta model for the outcome and mediator. Applying our proposed methods to a publicly-available JOBS II dataset, we (i) argue for the need for non-normal models, (ii) show how to estimate both average and quantile mediation effects for boundary-censored data, and (iii) show how to conduct a meaningful sensitivity analysis by introducing unidentified, scientifically meaningful, sensitivity parameters.