Semiparametric causal mediation analysis of cluster-randomized trials for indirect and spillover effects
集群随机试验中间接效应与溢出效应的半参数因果中介分析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：摘要明确研究因果中介效应及集群内由他人中介变量产生的溢出。
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
集群随机试验中间接效应与溢出效应的半参数因果中介分析
- 研究问题
- 如何在集群随机试验中区分自然间接效应、个体中介效应和他人中介变量带来的溢出效应，并进行稳健高效估计？
- 方法与思路
- 作者为各中介效应推导有效影响函数，据此构造双重稳健估计器，并使用参数工作模型或机器学习估计干扰函数。
- 材料陈述的贡献
- 摘要称，研究建立相应半参数效率理论和实用估计方法，并通过模拟及重新分析一项真实集群试验展示其表现。
- 阅读关注点
- 应核对各效应的反事实定义、集群内干扰边界、中介识别条件，以及双重稳健组合和机器学习达到效率所需的收敛条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列中介识别假设与效率条件，随机处理本身不能补足这些信息。
原文摘要
In cluster-randomized trials (CRTs), there is emerging interest in exploring the causal mechanism in which a cluster-level treatment affects the outcome through an intermediate outcome. The majority of existing causal mediation methods are applicable to independent data and only a few exceptions have considered assessing causal mediation in CRTs, all of which heavily depend on parametric assumptions. In this article, we develop a formal semiparametric efficiency theory to motivate new doubly-robust methods for addressing different mediation effect estimands -- the natural indirect effect, individual mediation effect, and spillover mediation effect (the extent to which one's outcome is influenced by others' mediators). We derive the efficient influence function for each estimand, and carefully parameterize each efficient influence function to motivate practical estimators. We consider both parametric working models and data-adaptive machine learners to estimate the nuisance functions, and obtain the semiparametric efficient estimators in the latter case. We conduct simulation studies to demonstrate the finite-sample performance of our new estimators and illustrate our proposed methods by reanalyzing a real-world CRT.