Causal Mediation Analysis: Selection with Asymptotically Valid Inference
因果中介分析：具有渐近有效推断的变量选择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：摘要明确研究治疗作用的中介路径、混杂控制和中介效应的选择后推断，直接对应因果推断方向。
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：具有渐近有效推断的变量选择
- 研究问题
- 如何在控制混杂的同时选择重要中介变量，并对选择后的中介效应进行有效推断，避免简单线性控制或忽略混杂的局限？
- 方法与思路
- 作者以数据自适应方法估计混杂相关的干扰函数，结合新正则化方法选择中介，再用扰动 bootstrap 进行选择后推断。
- 材料陈述的贡献
- 摘要称在一定假设下建立了估计量的渐近性质和 oracle 性质，并给出局部情形分析及渐近有效的中介效应选择后推断。
- 阅读关注点
- 应核对中介效应的识别条件、干扰函数估计要求、选择一致性与局部渐近结论，以及扰动 bootstrap 如何处理选择不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未列出定理假设和模拟结果，其模拟表述也未提供可核验的性能证据。
原文摘要
Researchers are often interested in learning not only the effect of treatments on outcomes, but also the pathways through which these effects operate. A mediator is a variable that is affected by treatment and subsequently affects outcome. Existing methods for penalized mediation analyses may lead to ignoring important mediators and either assume that finite-dimensional linear models are sufficient to remove confounding bias, or perform no confounding control at all. In practice, these assumptions may not hold. We propose a method that considers the confounding functions as nuisance parameters to be estimated using data-adaptive methods. We then use a novel regularization method applied to this objective function to identify a set of important mediators. We derive the asymptotic properties of our estimator and establish the oracle property under certain assumptions. Asymptotic results are also presented in a local setting which contrast the proposal with the standard adaptive lasso. We also propose a perturbation bootstrap technique to provide asymptotically valid post-selection inference for the mediated effects of interest. The performance of these methods will be discussed and demonstrated through simulation studies.