[论文解读] Bayesian Methods for Multiple Mediators: Relating Principal Stratification and Causal Mediation in the Analysis of Power Plant Emission Controls

Chanmin Kim, Michael J. Daniels+3 more|arXiv (Cornell University)|Feb 17, 2019

Economic and Environmental Valuation参考文献 36被引用 5

一句话总结

本文开发了贝叶斯非参数方法，以分析空气污染管制中的因果路径，结合主要分层法与因果中介分析，评估火电厂安装脱硫装置如何通过同时中介SO2、NOx和CO2排放，降低环境PM2.5。关键贡献在于提出一种新颖的总效应分解方法，将总效应分解为多个相关中介变量下的自然直接效应与自然间接效应，结果表明脱硫装置对PM2.5的影响主要通过SO2减排实现，而非NOx或CO2。

ABSTRACT

Emission control technologies installed on power plants are a key feature of many air pollution regulations in the US. While such regulations are predicated on the presumed relationships between emissions, ambient air pollution, and human health, many of these relationships have never been empirically verified. The goal of this paper is to develop new statistical methods to quantify these relationships. We frame this problem as one of mediation analysis to evaluate the extent to which the effect of a particular control technology on ambient pollution is mediated through causal effects on power plant emissions. Since power plants emit various compounds that contribute to ambient pollution, we develop new methods for multiple intermediate variables that are measured contemporaneously, may interact with one another, and may exhibit joint mediating effects. Specifically, we propose new methods leveraging two related frameworks for causal inference in the presence of mediating variables: principal stratification and causal mediation analysis. We define principal effects based on multiple mediators, and also introduce a new decomposition of the total effect of an intervention on ambient pollution into the natural direct effect and natural indirect effects for all combinations of mediators. Both approaches are anchored to the same observed-data models, which we specify with Bayesian nonparametric techniques. We provide assumptions for estimating principal causal effects, then augment these with an additional assumption required for causal mediation analysis. The two analyses, interpreted in tandem, provide the first empirical investigation of the presumed causal pathways that motivate important air quality regulatory policies.

研究动机与目标

• 通过实证验证美国空气质量法规中假设的、连接火电厂脱硫装置安装与环境PM2.5降低之间的因果路径。
• 解决在中介分析中多个同时测量且相关的中介变量（SO2、NOx、CO2）带来的统计挑战。
• 在统一的贝叶斯非参数建模框架内，整合两种因果推断框架——主要分层法与因果中介分析。
• 估计所有中介变量组合下的自然直接效应与自然间接效应，实现总处理效应的分解。
• 提供实证证据，说明不同排放减少在驱动环境PM2.5变化中的相对重要性。

提出的方法

• 提出一种使用高斯拷贝的贝叶斯非参数模型，灵活建模多个相关中介变量与结果（环境PM2.5）的联合分布。
• 基于中介变量变化的联合分层（如SO2与CO2减排）定义主要效应，实现在主要分层法下的因果推断。
• 提出一种新的总效应分解方法，将总效应分解为所有中介变量组合下的自然直接效应与自然间接效应。
• 施加类似可忽略性假设以识别因果中介效应，并将其扩展至存在潜在交互作用的多个同时测量的中介变量。
• 使用后验预测检查与MCMC抽样，估计在两种框架下因果效应的后验分布。
• 将火电厂与150公里范围内的环境监测站关联，以定义暴露与结果，假设在此范围外无干扰。

实验结果

研究问题

• RQ1 脱硫装置对环境PM2.5的影响在多大程度上通过SO2、NOx和CO2排放减少而中介？
• RQ2 当存在多个中介变量时，主要分层法与因果中介分析框架在估计因果效应方面如何比较？
• RQ3 SO2、NOx和CO2减排对整体环境PM2.5减少的相对贡献是什么？
• RQ4 是否存在解离效应——即不通过任一单一污染物中介的直接效应——解释了总效应的一部分？
• RQ5 中介变量之间的相互作用如何影响此多变量设定下中介效应的解释？

主要发现

• 脱硫装置对环境PM2.5降低的总效应主要通过SO2排放减少而中介，对NOx或CO2的间接效应证据甚少。
• 主要分层分析显示，在SO2排放显著减少的分层中，脱硫装置显著降低了环境PM2.5，与中介分析结果一致。
• 自然间接效应在SO2上最大，表明从脱硫装置到PM2.5降低的因果路径主要通过SO2减排实现。
• 识别出一个微小但非零的脱硫装置对PM2.5的自然直接效应，表明存在除排放减少之外的其他路径。
• 对SO2与CO2（或NOx）变化的交叉分类显示，NOx与CO2的表观间接效应主要由SO2变化驱动，而非独立中介。
• 两种方法框架下的结果一致，强化了SO2是主导中介这一发现的稳健性。