摘要
因果中介分析试图调查暴露对结果的治疗效果是如何通过中间变量进行中介的。尽管许多应用涉及纵向数据，但现有方法并不直接适用于在稀疏和不规则的时间网格上测量中介和结果的设置。我们从功能数据分析的角度扩展了现有的因果中介框架，将稀疏和不规则的纵向数据视为潜在平稳随机过程的实现。我们相应地定义了直接和间接影响的因果估计，并提供了相应的识别假设。为了进行估计和推理，我们采用了一种函数主成分分析方法进行降维，并在结构方程模型中使用前几个函数主成分而不是整个轨迹。我们采用贝叶斯范式来准确量化不确定性。通过仿真验证了所提方法的操作特性。我们将提出的方法应用于肯尼亚野生狒狒种群的纵向数据集，以调查早期逆境、动物之间的社会联系强度和成年糖皮质激素浓度之间的因果关系。我们发现，早期的逆境对女性成年期的糖皮质激素浓度有显著的直接影响（增加9-14%），但几乎没有证据表明这些影响是由脆弱的社会关系介导的。
资金筹措表
此处所示的大多数数据由美国国立卫生研究院和国家科学基金会支持，目前通过NSF IOS 1456832和NIH R01AG053308、R01AG0.53330、R01HD088558和P01AG031719。我们还感谢杜克大学、普林斯顿大学和圣母大学提供的财政和后勤支持。我们感谢肯尼亚野生动物管理局（KWS）、内罗毕大学、灵长类研究所（IPR）、肯尼亚国家博物馆、国家环境管理局和国家科学、技术和创新委员会（NACOSTI）在肯尼亚的援助与合作。我们还感谢Amboseli-Longido牧民社区和Enduimet野生动物管理区的成员在该领域的合作与援助。特别感谢Amboseli狒狒项目长期现场团队（R.S.Mututua、S.Sayialel、J.K.Warutere、Siodi、I.L.）以及T.Wango和V.Oudu在内罗毕提供的不懈协助。狒狒的项目数据库Babase由N.Learn和J.Gordon专业管理。数据库设计和编程由K.Pinc提供。本研究得到杜克大学、圣母大学和普林斯顿大学IACUC的批准，并遵守肯尼亚的所有法律和准则。有关资金来源、后勤援助以及数据收集和管理的完整确认信息，请访问http://amboselibaboons.nd.edu/accountements/（http://amboselaboons.nd.edu/alcountements）。
致谢
我们感谢Surya Tokdar、Fernando Campos和Georgia Papadogeorgou的有益讨论。
引用
下载引文
曾树熙。
斯泰西·罗森鲍姆。
苏珊·C·阿尔伯茨。
伊丽莎白·A·阿尔奇。
范丽。
“稀疏和不规则纵向数据的因果中介分析。”
附录申请。斯达。
15
(2)
747 - 767,
2021年6月。
https://doi.org/10.1214/20-AOAS1427
问询处
收到日期：2020年9月1日;修订日期：2020年12月1日;发布日期：2021年6月
欧几里德项目首次提供：2021年7月12日
数字对象标识符：10.1214/20-AOAS1427
关键词：因果推理,功能主成分分析,纵向数据,调解,稀疏和不规则数据
版权所有©2021数学统计研究所
