Bias-Targeted Nonparametric Balancing for Stable Causal Mediation Analysis
面向稳定因果中介分析的偏差针对性非参数平衡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：摘要明确研究单中介及多中介的因果效应估计，使用影响函数、干扰函数平衡与多重稳健性，直接属于因果推断方法。
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
面向稳定因果中介分析的偏差针对性非参数平衡
- 研究问题
- 影响函数中介估计需要的处理和中介分布进入分母时，如何缓解尤其在连续中介下的估计不稳定，并兼顾多个中介？
- 方法与思路
- 作者通过似然重参数化按偏差结构估计干扰函数，并以非参数加权平衡替代容易造成不稳定的关键函数估计，覆盖单中介和多中介。
- 材料陈述的贡献
- 摘要称在适当条件下建立一致性、多重稳健性和渐近正态性，连续中介模拟显示偏差与方差降低，并以 NHANES 数据展示应用。
- 阅读关注点
- 应核对平衡约束如何对应影响函数偏差项、多重稳健性允许哪些模型失配，以及连续中介权重、识别条件与有限样本稳定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列明中介识别与正则条件，所称充分稳定不能理解为任意数据下的保证。
原文摘要
Influence function (IF)-based estimators are widely used in mediation analysis due to their modeling flexibility, but standard implementations require direct estimation of the distribution functions of the mediator and treatment variables. Since these functions appear in the denominator of IF-based estimators, they can induce significant instability, particularly with continuous mediators. In this work, we propose an alternative implementation of IF-based estimators for both single- and multiple-mediator settings, based on reparametrizations of the likelihood. The key idea is to estimate the involved nuisance functions according to their role in the bias structure of the IF-based estimators. In our approach, key nuisance functions that are potential sources of instability are estimated using a novel nonparametric weighted balancing method-which can be viewed as a nonparametric extension of covariate balancing generalized to mediation analysis-fully stabilizing the estimators. We establish consistency and multiple robustness under suitable regularity conditions, and asymptotic normality. Simulation studies demonstrate substantial reductions in bias and variance relative to existing methods for continuous mediators. We further illustrate the approach using NHANES 2013-2014 data to estimate the effect of obesity on coronary heart disease mediated by Glycohemoglobin.