[论文解读] Mediation Analysis Without Sequential Ignorability: Using Baseline Covariates Interacted with Random Assignment as Instrumental Variables

Dylan S. Small|arXiv (Cornell University)|Sep 6, 2011

Advanced Causal Inference Techniques参考文献 9被引用 29

一句话总结

本文通过允许处理效应异质性并为排除限制假设的违反开发敏感性分析，将工具变量（IV）方法扩展至随机化试验中的中介分析。它使用基线协变量与随机分配的交互项作为工具变量，以在不依赖顺序不可忽略性假设的情况下估计直接效应和间接效应，从而在未观测混杂因素影响中介-结果关系的情况下实现稳健推断。

ABSTRACT

In randomized trials, researchers are often interested in mediation analysis to understand how a treatment works, in particular how much of a treatment's effect is mediated by an intermediated variable and how much the treatment directly affects the outcome not through the mediator. The standard regression approach to mediation analysis assumes sequential ignorability of the mediator, that is that the mediator is effectively randomly assigned given baseline covariates and the randomized treatment. Since the experiment does not randomize the mediator, sequential ignorability is often not plausible. Ten Have et al. (2007, Biometrics), Dunn and Bentall (2007, Statistics in Medicine) and Albert (2008, Statistics in Medicine) presented methods that use baseline covariates interacted with random assignment as instrumental variables, and do not require sequential ignorability. We make two contributions to this approach. First, in previous work on the instrumental variable approach, it has been assumed that the direct effect of treatment and the effect of the mediator are constant across subjects; we allow for variation in effects across subjects and show what assumptions are needed to obtain consistent estimates for this setting. Second, we develop a method of sensitivity analysis for violations of the key assumption that the direct effect of the treatment and the effect of the mediator do not depend on the baseline covariates.

研究动机与目标

• 为解决标准中介分析的局限性，即其依赖于不切实际的顺序不可忽略性假设——即在给定基线协变量和处理条件下，中介变量与潜在结果条件独立。
• 通过在IV框架中允许直接效应和中介效应存在异质性，放宽所有受试者处理效应恒定的假设。
• 为排除限制假设的违反开发正式敏感性分析，特别是当处理的直接效应或中介效应依赖于基线协变量时。
• 提供一种实用方法，以评估在现实随机化试验中，中介估计对工具变量排除限制假设的合理违反的稳健性。

提出的方法

• 使用基线协变量与随机分配的交互项作为中介的工具变量（IV），利用随机化满足IV排除限制条件。
• 在结构方程模型中应用两阶段最小二乘法（2SLS）估计，以在IV假设下识别直接效应和间接效应。
• 依赖秩保持模型的g-估计法来估计因果效应，并扩展该方法以允许受试者间处理效应的异质性。
• 引入敏感性参数τR和τM，以量化直接效应和中介效应如何随基线协变量（如既往或基线抗抑郁药物使用）而变化。
• 采用基于模拟的方法，计算在不同敏感性参数取值下的点估计和置信区间。
• 通过在合理范围内变化τR和τM，并评估其对估计的直接效应和间接效应的影响，开展正式敏感性分析。

实验结果

研究问题

• RQ1 工具变量中介分析方法能否扩展至处理效应在个体间存在差异的场景，而非假设效应恒定？
• RQ2 当处理效应存在异质性且基线协变量被用作工具变量时，需要哪些假设才能获得直接效应和间接效应的一致估计？
• RQ3 估计的直接效应和间接效应对排除限制假设的违反有多敏感，特别是当直接效应或中介效应依赖于基线协变量时？
• RQ4 在PROSPECT研究中，对排除限制假设的合理违反（如既往或基线抗抑郁药物使用导致效应修饰）在多大程度上影响对中介效应的推断？
• RQ5 当顺序不可忽略性不成立时，研究人员如何量化中介分析结果对未观测混杂因素的稳健性？

主要发现

• 在PROSPECT研究中，干预的直接效应在不同敏感性参数取值下范围为-3.63至0.94，表明在合理违反排除限制假设的情况下存在显著不确定性。
• 估计的中介效应（抗抑郁药物使用）变化范围很大，从-2.87到5.33，具体取决于对基线协变量效应修饰程度的假设。
• 当允许处理的直接效应或中介效应随既往抗抑郁药物使用或基线使用情况而变化时，直接效应和间接效应的点估计值发生显著变化，凸显了敏感性分析的重要性。
• 敏感性分析表明，对直接效应和中介效应的推断对排除限制假设的违反相当敏感，尤其在存在效应修饰时。
• 该方法成功识别出在不同假设下直接效应和间接效应的合理范围，使研究人员能够评估其结论对未观测混杂因素的稳健性。