因果中介的解释与识别-研究论文

本文回顾了因果中介分析的基础，并提供了识别自然直接和间接影响所需条件的一般性和透明性说明，从而有助于对这些条件在特定应用中的合理性做出更明智的判断。 我们表明，文献中通常引用的条件受到过度限制，可以在不影响识别的情况下大幅放宽。 特别是，我们表明，自然效应可以通过超越混杂因素标准调整的方法来识别，适用于观察性研究，其中治疗分配仍然与中介或结果混淆。 这些识别条件可以从一个模型的图解描述中通过算法进行验证，并且只要描述正确，就可以保证产生无偏的结果。 参数模型中的识别条件可以进一步放宽，可能包括相互作用，并允许我们比较由相互依赖的变量介导的几种途径的相对重要性。