Bounds for causal mediation effects
因果中介效应的界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：摘要直接讨论中介因果效应的部分识别、未测量混杂及跨世界独立性。
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…
因果中介效应的界
- 研究问题
- 当中介变量存在未测量混杂，或跨世界独立性不能成立时，自然效应与可分离效应还能获得哪些与观测数据相容的因果界？
- 方法与思路
- 作者分别研究自然效应和可分离效应框架中的中介效应界，比较不同假设失效时的结果，并用于花生摄入与婴儿过敏试验。
- 材料陈述的贡献
- 摘要称，中介变量存在未测量混杂时，可分离直接和间接效应的锐界与相应自然效应已有界一致，并比较另一类自然直接效应界。
- 阅读关注点
- 应核对处理、中介和结果的取值范围，锐界的可达性及两种框架的对应关系，并检查不同界比较时保留了哪些识别假设。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或接收。摘要未给出界的表达式、变量限制或应用数值，不能判断实际界是否具有信息量。
原文摘要
Several frameworks have been proposed for studying causal mediation analysis. What these frameworks have in common is that they all make assumptions for point identifications that can be violated even when treatment is randomized. When a causal effect is not point-identified, one can sometimes derive bounds, i.e. a range of possible values that are consistent with the observed data. In this work, we study causal bounds for mediation effects under both the natural effects framework and the separable effects framework. In particular, we show that when there are unmeasured confounders for the intermediate variables(s) the sharp symbolic bounds on separable (in)direct effect coincide with existing bounds for natural (in)direct effects in the analogous setting. We compare these bounds to valid bounds for the natural direct effects when only the cross-world independence assumption does not hold. Furthermore, we demonstrate the use and compare the results of the bounds on data from a trial investigating the effect of peanut consumption on the development of peanut allergy in infants through specific pathways of measured immunological biomarkers.