×
Kim、Chanmin；迈克尔·丹尼尔斯（Michael J.Daniels）。；贝斯·马库斯。；杰森·罗伊。

调解因果效应的贝叶斯非参数推断框架。 （英语） 兹比尔1372.62073

生物计量学 73，第2期，401-409（2017）.
摘要：我们提出了一个贝叶斯非参数（BNP）框架，用于估计中介的因果效应、自然直接效应和间接效应。策略是分两部分进行。第1部分是观测数据分布的灵活模型（使用BNP）。第2部分是一组带有敏感性参数的不可检查假设，结合第1部分，可以识别和估计因果参数，并允许通过敏感性参数的先验值来确定这些假设的不确定性。在第1部分中，我们指定多元正态的Dirichlet过程混合作为结果、中介变量和协变量联合分布的先验。这种方法允许我们获得每个边际分布的（简单）闭合形式。对于第2部分，我们考虑两组假设：（a）标准顺序可忽略性[K.今井等，《统计科学》。25，第1期，第51–71页（2010年；Zbl 1328.62478号)]以及（b）我们工作中引入的条件独立型假设的弱化集【生物统计学68，第4期，1028–1036（2012；Zbl 1258.62037号)]并提出两者的敏感性分析。我们使用这种方法来评估体力活动促进试验中的调解。

引用于13文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62G05型 非参数估计
2015年1月62日 贝叶斯推断

关键词：

因果推理；狄利克雷过程混合物；敏感性分析；贝叶斯非参数（BNP）框架；多元法线

引文：

Zbl 1328.62478号；Zbl 1258.62037号

软件：

SAS公司；调解；SPSS软件；DP包
PDF格式BibTeX公司 XML格式引用
\textit{C.Kim}等人，《生物统计学》73，第2期，401--409（2017；Zbl 1372.62073）
全文： DOI程序 链接

参考文献：

[1] Albert，J.M.和Nelson，S.（2011年）。广义因果中介分析。生物统计学671028-1038·Zbl 1226.62104号
[2] Albert，J.M.和Wang，W.（2014）。参数因果中介效应估计的敏感性分析。生物统计16，339-351。
[3] Baron，R.M.和Kenny，D.A.（1986年）。社会心理学研究中调节-调节变量的区别：概念、战略和统计考虑。《人格与社会心理学杂志》51，1173。
[4] Daniels，M.J.、Roy，J.A.、Kim，C.、Hogan，J.W.和Perri，M.（2012）。调解因果效应的贝叶斯推断。生物统计学68，1028-1036·Zbl 1258.62037号
[5] Elliott，M.R.、Raghunathan，T.E.和Li，Y.（2010年）。贝叶斯推理因果中介效应，使用主分层和二分中介和结果。生物统计学11353-372·Zbl 1437.62451号
[6] Escobar，M.D.和West，M.（1995）。使用混合物的贝叶斯密度估计和推断。《美国统计协会杂志》90，577-588·Zbl 0826.62021号
[7] Imai，K.、Keele，L.和Yamamoto，T.（2010年）。因果中介效应的识别、推断和敏感性分析。统计科学25，51-71·Zbl 1328.62478号
[8] Jara，A.、Hanson，T.E.、Quintana，F.A.、Müller，P.和Rosner，G.L.（2011年）。数据包：《统计软件杂志》40，1-30中的贝叶斯非参数和半参数建模。
[9] Johnson，V.E.和Albert，J.H.（1999）。顺序数据建模。纽约州纽约市：Springer‐Verlag·Zbl 0921.62141号
[10] MacKinnon，D.P.、Lockwood，C.M.、Hoffman，J.M.、West，S.G.和Sheets，V.（2002）。测试中介和其他干预变量效应的方法的比较。心理学方法7，83。
[11] Marcus，B.H.，Napolitano，M.A.，King，A.C.，Lewis，B.A.，Whiteley，J.A.，Albrecht，A.等人（2007a）。电话与印刷版的个性化动机定制体力活动干预：项目进度。健康心理学26，401。
[12] Marcus，B.H.，Napolitano，M.A.，King，A.C.，Lewis，B.A.，Whiteley，J.A.，Albrecht，A.E.等人（2007b）。检查体力活动促进的印刷和电话渠道：项目进度的基本原理、设计和基线数据。当代临床试验28，90-104。
[13] Mattei，A.、Li，F.和Mealli，F.（2013年）。利用贝叶斯主分层分析中的多个结果，并将其应用于职业培训计划的评估。应用统计年鉴7，2336-2360·Zbl 1283.62054号
[14] Müller，P.、Erkanli，A.和West，M.（1996）。使用多元正态混合的贝叶斯曲线拟合。生物特征83，67-79·Zbl 0865.62029号
[15] Neal，R.M.（2000）。dirichlet过程混合模型的马尔可夫链抽样方法。计算与图形统计杂志9，249-265。
[16] Nelsen，R.B.（1999）。Copulas简介。纽约州纽约市：Springer‐Verlag Inc·Zbl 0909.62052号
[17] Pearl，J.（2001）。直接和间接影响。《第十七届人工智能不确定性会议论文集》，411-420。加利福尼亚州旧金山：Morgan Kaufmann Publishers Inc。
[18] Petersen，M.L.、Sinisi，S.E.和van der Laan，M.J.（2006）。直接因果影响的估计。流行病学17，276-284。
[19] Preacher，K.J.和Hayes，A.F.（2004年）。SPSS和SAS程序用于评估简单中介模型中的间接影响。行为研究方法、仪器和计算机36，717-731。
[20] Richardson，T.S.和Robins，J.M.（2013）。单一世界干预图（swigs）：对因果关系的反事实和图形方法的统一。华盛顿大学统计与社会科学中心系列。工作文件。
[21] Robins，J.M.（2003）。高度结构化随机系统，因果DAG模型的语义和直接和间接影响的识别，70-81。牛津：牛津大学出版社。
[22] Robins，J.M.和Greenland，S.（1992年）。直接和间接影响的可识别性和可交换性。流行病学3143-155。
[23] 鲁宾，D.B.（1974）。在随机和非随机研究中估计治疗的因果效应。《教育心理学杂志》66，688。
[24] 鲁宾，D.B.（1980）。实验数据的随机化分析评论：D.Basu的Fisher随机化检验。《美国统计协会杂志》75，591-593。
[25] Schwartz，S.L.、Li，F.和Mealli，F.（2011年）。因果推理中中间变量的贝叶斯半参数方法。美国统计协会杂志1061331-1344·Zbl 1234.62022号
[26] Sevick，M.A.、Napolitano，M.A、Papandonatos，G.D.、Gordon，A.J.、Reiser，L.M.和Marcus，B.H.（2007）。激励久坐成年人活动的替代方法的成本效益：项目进展的结果。预防医学45，54-61。
[27] Stan开发团队（2014）。Rstan:stan的R接口，版本2.5.0。
[28] Taddy，M.A.（2008年）。条件分布的贝叶斯非参数分析和泊松点过程的推断。加州大学圣克鲁斯分校博士论文。
[29] Tchetgen-Tchetgen，E.J.，Shpitser，I.（2012）。因果中介分析的半参数理论：效率界限、多重稳健性和敏感性分析。《统计年鉴》40，1816-1845年·Zbl 1257.62033号
[30] Tingley，D.、Yamamoto，T.、Hirose，K.、Keele，L.和Imai，K.（2014）。调解：用于因果调解分析的R包。统计软件杂志59，1-38。
[31] Valeri，L.和VanderWeele，T.J.（2013）。允许暴露-中介交互和因果解释的中介分析：理论假设和使用sas和spss宏的实现。心理学方法18，137。
[32] VanderWeele，T.J.（2009）。用于估计直接和间接影响的边际结构模型。流行病学20，18-26。
[33] VanderWeele，T.J.（2010）。直接和间接影响敏感性分析的偏差公式。流行病学（马萨诸塞州剑桥）21，540。
[34] VanderWeele，T.J.和Chiba，Y.（2014）。暴露诱导的中介结果混杂因素存在时直接和间接影响的敏感性分析。流行病学、生物统计学和公共卫生11，1-16。
[35] Yuan，Y.和MacKinnon，D.P.（2009）。贝叶斯中介分析。心理学方法14，301。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。