Group lasso based selection for high-dimensional mediation analysis
基于组 Lasso 选择的高维中介分析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：摘要明确研究暴露通过中介影响结果的效应，并将实际应用表述为因果路径分析，因此最直接对应因果推断。
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
基于组 Lasso 选择的高维中介分析
- 研究问题
- 当中介变量彼此相关且数量超过样本量时，如何筛选候选中介并估计中介效应，使相关结构在降维后仍得到适当处理？
- 方法与思路
- 作者提出两步程序：先用专门构造的 Lasso 惩罚筛选中介，再用此前开发的方法估计效应并处理保留中介间的相关性。
- 材料陈述的贡献
- 摘要提出结合变量筛选与相关中介效应估计的程序，进行模拟比较，并应用于吸烟经 DNA 甲基化影响类风湿关节炎的路径分析。
- 阅读关注点
- 应核对题名中组 Lasso 与摘要惩罚项的对应关系、中介效应的定义与识别条件，以及筛选后的效应估计和不确定性处理。
- 阅读边界
- 所据为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明混杂控制条件、筛选后推断保证或模拟中的具体优劣。
原文摘要
Mediation analysis aims to identify and estimate the effect of an exposure on an outcome that is mediated through one or more intermediate variables. In the presence of multiple intermediate variables, two pertinent methodological questions arise: estimating mediated effects when mediators are correlated, and performing high-dimensional mediation analyses when the number of mediators exceeds the sample size. This paper presents a two-step procedure for high-dimensional mediation analyses. The first step selects a reduced number of candidate mediators using an ad-hoc lasso penalty. The second step applies a procedure we previously developed to estimate the mediated effects, accounting for the correlation structure among the retained candidate mediators. We compare the performance of the proposed two-step procedure with state-of-the-art methods using simulated data. Additionally, we demonstrate its practical application by estimating the causal role of DNA methylation in the pathway between smoking and rheumatoid arthritis using real data.