Heterogeneous interventional indirect effects with multiple mediators: non-parametric and semi-parametric approaches
多中介异质性干预间接效应：非参数与半参数方法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：摘要研究多中介条件干预效应、因果分解及未测混杂敏感性分析，属于因果推断。
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…
多中介异质性干预间接效应：非参数与半参数方法
- 研究问题
- 当两个离散中介的因果顺序未知时，如何估计随协变量变化的干预间接效应，并评估中介与结果间混杂的影响？
- 方法与思路
- 作者分别提出基于影响函数的条件效应工作模型投影估计与完全非参数估计，并构造混杂敏感性分析和效应界限估计。
- 材料陈述的贡献
- 摘要称投影估计在一定条件下达到根号样本量一致性与渐近正态性，非参数估计可达 oracle 收敛速率，并可估计条件及平均效应界限。
- 阅读关注点
- 应核对干预效应的定义、未知中介顺序的处理、投影目标与点态效应的区别，以及速率条件和敏感性参数的含义。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未列出识别和收敛条件，疫苗与抑郁应用的效应方向、大小及界限结果未说明。
原文摘要
We propose semi- and non-parametric methods to estimate conditional interventional effects in the setting of two discrete mediators whose causal ordering is unknown. Average interventional indirect effects have been shown to decompose an average treatment effect into a direct effect and interventional indirect effects that quantify effects of hypothetical interventions on mediator distributions. Yet these effects may be heterogeneous across the covariate distribution. We consider the problem of estimating these effects at particular points. We propose an influence-function based estimator of the projection of the conditional effects onto a working model, and show under some conditions that we can achieve root-n consistent and asymptotically normal estimates. Second, we propose a fully non-parametric approach to estimation and show the conditions where this approach can achieve oracle rates of convergence. Finally, we propose a sensitivity analysis for the conditional effects in the presence of mediator-outcome confounding. We propose estimating bounds on the conditional effects using these same methods, and show that these results easily extend to allow for influence-function based estimates of the bounds on the average effects. We conclude examining heterogeneous effects with respect to the effect of COVID-19 vaccinations on depression during February 2021.