Skip to main content

Chapter_23

Aaron L9/17/25About 9 minCausal inferenceDeepSeek-R1-0528-1stresponse_md
### 第23章：因果中介（Causal Mediation）总结

章节逻辑结构

  1. 23.1 中介分析受到质疑
    • 引入传统中介分析框架（基于纯直接效应和总间接效应），指出其依赖不可验证的跨世界反事实量。
  2. 23.2 为中介分析辩护
    • 通过吸烟戒烟试验案例，论证纯直接效应的政策相关性，引入可分离组分（separable components）概念。
  3. 23.3 可验证的中介分析
    • 提出通过随机试验验证中介假设的方法，强调干预主义框架的可证伪性。
  4. 23.4 干预主义的中介理论
    • 系统阐述干预主义理论，对比传统方法，突出其优势（可验证性、免中介干预定义）。

技术重点与细节要点

23.1 中介分析受到质疑
  • 核心问题：传统中介分析依赖跨世界反事实量（cross-world counterfactuals），如纯直接效应（pure direct effect）和总间接效应（total indirect effect），无法通过实验验证。
  • 纯直接效应定义：
    [
    E[Y^{a=1, M^{a=0}}] - E[Y^{a=0, M^{a=0}}]
    ]
    • 表示在固定中介变量 (M) 为 (A=0) 时的潜在值（(M^{a=0})) 时，治疗 (A) 对结局 (Y) 的效应。
  • 总间接效应定义：
    [
    E[Y^{a=1, M^{a=1}}] - E[Y^{a=1, M^{a=0}}]
    ]
    • 表示通过中介 (M) 的路径效应。
  • 识别挑战：
    • 需假设 NPSEM-IE 模型（隐含跨世界独立性），但本书采用的 FFRCISTG 模型 不假设此条件，导致效应无法点识别。
  • 中介公式（mediation formula）：
    [
    \sum_m E[Y \mid A=1, M=m] \Pr(M=m \mid A=0)
    ]
    • 在无未测量混杂的因果图（图23.1）下识别 (E[Y^{a=1, M^{a=0}}])，但依赖不可验证的独立性假设（如 (Y^{a=1,m} \perp!!!\perp M^{a=0}))。
23.2 为中介分析辩护
  • 政策相关性论证：
    • 以无尼古丁香烟政策为例，证明纯直接效应 (E[Y^{a=1, M^{a=0}}]) 可解释为“改用无尼古丁香烟后的心脏病风险”。
  • 可分离组分（separable components）：
    • 将治疗 (A) 分解为：
      • (N)（尼古丁）：影响中介 (M)（高血压），但不直接影响 (Y)。
      • (O)（非尼古丁成分）：直接影响 (Y)，但不影响 (M)。
    • 因果图（图23.2）：确定性关系 (A \to N, A \to O)，且无 (N \to Y) 或 (O \to M) 的边。
  • 关键等式：
    [
    E[Y^{n=0,o=1}] = \sum_m E[Y \mid A=1, M=m] \Pr(M=m \mid A=0)
    ]
    • 在 FFRCISTG 模型下，可分离效应 (E[Y^{n=0,o=1}]) 等于中介公式，且具政策意义（技术点23.2）。
  • 可分离效应定义：
    • 直接效应：(E[Y^{n=1,o=1}] - E[Y^{n=0,o=1}])（等价于总间接效应）。
    • 间接效应：(E[Y^{n=1,o=1}] - E[Y^{n=1,o=0}])（等价于纯直接效应）。
23.3 可验证的中介分析
  • 三臂随机试验设计：
    1. 戒烟（(A=0)）
    2. 继续吸烟（(A=1)）
    3. 吸无尼古丁烟（(N=0, O=1)）
  • 验证步骤：
    1. 比较 (E[Y \mid N=0,O=1])（试验估计）与中介公式（初始数据估计）。
    2. 若不等，则假设 (i)、(ii) 或“无 (M-Y) 混杂”不成立。
    3. 进一步检验：
      • (O) 与 (M) 在 (N=0) 下相关 → 违反假设 (ii)。
      • (N) 与 (Y) 在 (M,O) 固定下相关 → 违反 (i) 或存在 (M-Y) 混杂（精细点23.1）。
  • 模型选择意义：
    • FFRCISTG 框架支持实证反驳假设，而 NPSEM-IE 无法解释政策相关性。
23.4 干预主义的中介理论
  • 核心原则：
    • 将中介问题转化为可分离组分的干预效应，避免跨世界反事实。
  • 六臂试验设计（图23.4-23.5）：
    干预 (N) 和 (O) 的所有组合（如 (n=0,o=1)），验证组间一致性（如臂1与臂3结果相同）。
  • 优势：
    1. 免中介干预定义：不要求对 (M) 的干预明确定义（对比传统方法）。
    2. 可验证性：假设可通过未来随机试验检验。
    3. 沟通优化：可分离组分具实质意义（如尼古丁 vs. 非尼古丁）。
    4. 公式统一：识别公式与中介公式相同，但效应指向组分干预。
  • 推广性：适用于多组分和时变治疗（如生存分析、竞争风险）。

数学公式总结

  1. 纯直接效应：
    [
    E[Y^{a=1, M^{a=0}}] - E[Y^{a=0, M^{a=0}}]
    ]
  2. 总间接效应：
    [
    E[Y^{a=1, M^{a=1}}] - E[Y^{a=1, M^{a=0}}]
    ]
  3. 中介公式：
    [
    \sum_m E[Y \mid A=1, M=m] \Pr(M=m \mid A=0)
    ]
  4. 可分离效应识别（技术点23.2）：
    [
    E[Y^{n=0,o=1}] = \sum_m E[Y \mid O=1, M=m] \Pr(M=m \mid N=0) = \sum_m E[Y \mid A=1, M=m] \Pr(M=m \mid A=0)
    ]
  5. 前门公式（技术点23.3）：
    [
    \sum_{l,a} E[Y \mid A=a, L=l] \Pr(L=l) \Pr(A=a \mid N=n)
    ]

结论

  1. 干预主义框架优势：
    • 通过可分离组分将中介效应转化为可实验验证的干预效应，避免不可验证的跨世界假设（NPSEM-IE）。
  2. 政策相关性：
    • 纯直接效应仅在可分离组分故事成立时具实质意义（如无尼古丁香烟政策）。
  3. 实践意义：
    • 观察性中介分析需更强假设（如无未测量混杂），而干预主义方法通过组分分解增强透明度和可验证性。
  4. 理论自主性：
    • 干预主义理论独立于传统中介分析，为研究因果路径提供更严谨的框架。