[論文レビュー] Longitudinal Mediation Analysis with Latent Growth Curves

Adam Sullivan, Douglas Gunzler+2 more|arXiv (Cornell University)|Mar 9, 2021

Advanced Causal Inference Techniques参考文献 20被引用数 4

ひとこと要約

本稿は、潜在的成長曲線モデルを用いて、曝露、媒介変数、アウトカムを潜在的成長軌道としてモデル化する際の、自然直接効果および自然間接効果を推定するための反事後的枠組みを導入する。この枠組みにより、連続的で時間的に変化する媒介変数およびアウトカムを有する縦断的研究において、逐次無視可能性の仮定の下で因果推論が可能になる。

ABSTRACT

The paper considers mediation analysis with longitudinal data under latent growth curve models within a counterfactual framework. Estimators and their standard errors are derived for natural direct and indirect effects when the mediator, the outcome, and possibly also the exposure can be modeled by an underlying latent variable giving rise to a growth curve. Settings are also considered in which the exposure is instead fixed at a single point in time.

研究の動機と目的

• 時間的に変化する曝露、媒介変数、アウトカムを有する縦断的研究における媒介分析のための因果推論枠組みの開発。
• 曝露、媒介変数、アウトカムを潜在的成長曲線としてモデル化し、個々の時間的推移を捉える。
• 反事後的枠組みの下で、自然直接効果および自然間接効果の推定器と標準誤差を導出する。
• 曝露が単一の時間点に固定されているが、媒介変数およびアウトカムが縦断的であるような状況への媒介分析の拡張。
• 逐次無視可能性や潜在的アウトカムの条件付き独立性といった同定仮定を通じた手法的厳密性の確保。

提案手法

• 曝露、媒介変数、アウトカムの潜在的軌道を、切片および傾きの要因を有する潜在変数として表す潜在的成長曲線モデル（LGCM）を用いる。
• 異なる曝露および媒介変数の状態における潜在的アウトカムに基づき、反事後的枠組みを用いて自然直接効果および自然間接効果を定義する。
• 潜在変数を伴う構造方程式モデリング（SEM）に基づき、自然直接効果および自然間接効果の推定器を導出する。
• 多変量正規性の下で、デルタ法または頑健な分散推定法を用いて推定器の標準誤差を導出する。
• パス積による間接効果の推定を可能にする構造方程式モデリング（SEM）フレームワーク内でモデルを実装する。
• 逐次無視可能性、潜在的アウトカムの条件付き独立性、潜在的成長軌道の正しいモデル仕様化といった仮定に依存する。

実験結果

リサーチクエスチョン

• RQ1 時間的に変化する媒介変数およびアウトカムを有する縦断的媒介モデルにおいて、自然直接効果および自然間接効果はどのように推定可能か？
• RQ2 曝露が単一の時間点に固定されている場合に、適切な反事後的枠組みは何か？
• RQ3 潜在的成長曲線モデルは、媒介分析における曝露、媒介変数、アウトカムの個々の時間的推移をどのように表現できるか？
• RQ4 この枠組みにおける自然直接効果および自然間接効果の有効な推定に必要な同定条件は何か？
• RQ5 測定誤差および欠損データを伴う現実的な縦断的データ構造において、提案された推定器および標準誤差はどのように性能を発揮するか？

主な発見

• 本稿は、潜在的成長曲線構造を用いた縦断的媒介モデルにおいて、自然直接効果および自然間接効果の閉形式推定器を成功裏に導出した。
• 標準誤差はデルタ法を用いて導出され、多変量正規性の下での統計的推論を可能にする。
• 曝露が単一の時間点に固定されていても、間接効果の推定が可能であるため、観察的研究への適用範囲が拡大される。
• 逐次無視可能性の下で、全効果の自然直接効果および自然間接効果への分解が可能である。
• 個々の成長軌道の差異をモデル化できることにより、従来の反復測定アプローチに比べてパワーと精度が向上する。
• 手法的枠組みは構造方程式モデリング（SEM）の文脈で実装されており、モデル適合度の評価および標準ソフトウェアを用いたパラメータ推定が可能である。