我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
安装在发电厂上的排放控制技术是美国许多空气污染法规的一个关键特征。虽然这些法规是基于排放、环境空气污染和人类健康之间的假定关系,但其中许多关系从未得到实证验证。本文的目标是开发新的统计方法来量化这些关系。我们将此问题作为一种中介分析,以评估特定控制技术对环境污染的影响在多大程度上通过对电厂排放的因果影响进行中介。由于发电厂排放的各种化合物会造成环境污染,我们为同时测量的多个中间变量开发了新的方法,这些中间变量可能相互影响,并可能表现出联合调解效应。具体而言,我们提出了利用两个相关框架在存在中介变量的情况下进行因果推理的新方法:主体分层和因果中介分析。我们基于多重介质定义了主效应,并引入了一种新的分解方法,将环境污染干预的总效应分解为所有介质组合的自然直接效应和自然间接效应。这两种方法都基于相同的观测数据模型,我们使用贝叶斯非参数技术指定这些模型。我们提供了估计主要因果影响的假设,然后用因果中介分析所需的额外假设来补充这些假设。这两项分析是对推动重要空气质量监管政策的假定因果路径的首次实证调查。
Chanmin Kim。 迈克尔·丹尼尔斯。 约瑟夫·霍根(Joseph W.Hogan)。 克里斯汀·乔拉特(Christine Choirat)。 科尔文·齐格勒(Corwin M.Zigler)。 “多重中介的贝叶斯方法:电厂排放控制分析中的相关主要分层和因果中介。” 附录申请。统计。 13 (3) 1927年至1956年, 2019年9月。 https://doi.org/10.1214/19-AOAS1260