crumble: A comprehensive framework for modern causal mediation analysis with intermediate confounding
crumble：存在中间混杂时的现代因果中介分析框架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：摘要直接介绍因果中介参数、识别假设及中间混杂下的估计实践。
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…
crumble：存在中间混杂时的现代因果中介分析框架
- 研究问题
- 存在中间混杂、连续或多维中介及非二元处理时，研究者如何选择可解释的中介参数并实际使用 crumble？
- 方法与思路
- 作者以教程形式说明自然效应、随机干预效应及 recanting-twin 效应，再展示软件配置、修改处理政策和案例分析。
- 材料陈述的贡献
- 摘要明确贡献是提供易用指南，解释各参数的定义、识别假设及中间混杂适用性，并演示二元和非二元处理应用。
- 阅读关注点
- 应核对各中介参数的解释与识别差异、中间混杂对应的可用目标，以及修改处理政策和软件配置如何落实这些要求。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未核实；摘要为教程概述，未列出全部识别条件或软件估计的性能保证。
原文摘要
Causal mediation analysis is widely used to investigate how causal effects operate through specific pathways linking treatments or exposures to outcomes. Recently, \texttt{crumble} was developed to enable nonparametric estimation of several mediation parameters, even when mediators are continuous and/or multi-dimensional or when treatments are non-binary. But a practical and accessible guide to using \texttt{crumble} -- one that does not require deep familiarity with mediation analysis or semiparametric theory -- is currently lacking. This tutorial aims to an accessible introduction to \texttt{crumble} while minimizing technical complexity. We first review the mediation parameters implemented in \texttt{crumble} -- natural direct and indirect effects, randomized interventional effects, and recanting-twin effects. For each, we give the definition, interpretation, identification assumptions, and suitability in the presence or absence of intermediate confounding. Then, we demonstrate the usage of \texttt{crumble} by examining an example configuration. Next, we describe how \texttt{crumble} accommodates non-binary treatments through modified treatment policies. Finally, we illustrate the practical use of \texttt{crumble} through two case studies -- one with a binary treatment and one with a non-binary treatment -- based on the Job Search Intervention Study data.