[论文解读] Causal organic direct and indirect effects: closer to Baron and Kenny

Judith J. Lok|arXiv (Cornell University)|Mar 12, 2019

Advanced Causal Inference Techniques被引用 6

一句话总结

本文提出了一种新的有机直接效应和间接效应的表述方式，通过将处理固定在'无处理'而非'处理'状态，实现了无需交叉世界反事实的因果中介分析。它证明了Baron和Kenny的乘积法在存在处理-中介交互作用时依然有效，并认为这种新的间接效应比传统的自然效应或有机效应更适用于药物开发。

ABSTRACT

Baron and Kenny (1986, 80,433 Google Scholar citations) proposed estimators of direct and indirect effects: the part of a treatment effect that is mediated by a covariate and the part that is not. Subsequent work on natural direct and indirect effects provides a formal causal interpretation. Natural direct and indirect effects use cross-worlds counterfactuals: outcomes under treatment with the mediator `set' to its value without treatment. Organic direct and indirect effects (Lok 2016) avoid cross-worlds counterfactuals, using `organic' interventions on the mediator while keeping the initial treatment fixed at `treatment'. Organic direct and indirect effects apply also to settings where the mediator cannot be `set'. In linear models where there is no treatment-mediator interaction, both organic and natural indirect effects lead to the same estimators as in Baron and Kenny (1986). In this article, I propose organic interventions on the mediator that keep the initial treatment fixed at `no treatment', leading to an alternative version of organic direct and indirect effects. I show that the product method, proposed in Baron and Kenny (1986), holds for these new direct and indirect effects even if there is treatment-mediator interaction. Furthermore, I argue that this alternative organic indirect effect is more relevant for drug development than the traditional natural or organic indirect effect.

研究动机与目标

• 解决现有因果中介框架中依赖交叉世界反事实所导致的局限性，这些反事实在中介变量无法被操纵时在概念上存在问题。
• 开发一类新的有机直接和间接效应，使其在保持与Baron和Kenny（1986）乘积法一致的同时，避免需要在不同处理条件下设定中介变量的反事实。
• 证明所提出的方法即使在存在处理-中介交互作用时，也能产生有效的估计量，而这是传统自然效应无法保持乘积法的场景。
• 论证在'无处理'干预下推导出的新间接效应，比传统方法更适用于药物开发背景，因为其目标是评估药物通过生物通路对结果的影响。
• 将有机效应的理论框架与广泛使用的Baron和Kenny方法统一起来，将其适用范围扩展至不可操纵的中介变量和复杂的交互结构。

提出的方法

• 在保持初始处理固定于'无处理'的前提下，对中介变量实施有机干预，与标准有机效应中将处理固定于'处理'形成对比。
• 利用有机干预下的潜在结果来定义直接和间接效应，无需交叉世界反事实，从而避免反事实一致性问题。
• 使用结构平均模型或线性结构方程推导直接和间接效应的估计量，确保当中介变量与处理线性相关时与乘积法保持一致。
• 证明在无处理-中介交互作用的线性模型中，新估计量与Baron和Kenny（1986）的结果完全一致，保持了历史一致性。
• 提出一种新的间接效应估计量，其条件基于'无处理'状态，使其在临床前和制药研究环境中更具可解释性。
• 证明在该新框架下，即使存在处理-中介交互作用，乘积法（即间接效应 = a × b）依然成立，这是相对于自然效应的一项关键理论优势。

实验结果

研究问题

• RQ1 能否通过将处理固定在'无处理'而非'处理'来重新定义有机直接和间接效应，同时保持因果可解释性？
• RQ2 当存在处理-中介交互作用时，所提出的方法是否仍能保持Baron和Kenny乘积法的有效性？
• RQ3 与自然效应和标准有机间接效应相比，这种新间接效应在可解释性和药物开发相关性方面有何差异？
• RQ4 在中介变量无法被操纵的场景中，这一新框架是否能提供比现有方法更连贯的因果解释？
• RQ5 该新框架能否扩展至非线性模型，同时保持乘积法的理论性质？

主要发现

• 所提出的在'无处理'干预下定义的有机直接和间接效应在数学上是明确定义的，并避免了交叉世界反事实。
• 在无处理-中介交互作用的线性模型中，新估计量对于直接和间接效应与Baron和Kenny（1986）的结果完全一致。
• 关键的是，即使存在处理-中介交互作用，乘积法（间接效应 = a × b）依然有效，而这一性质通常不被自然效应所满足。
• 所提出的间接效应（基于'无处理'推导）被认为更适用于药物开发，因为它反映了从基线到结果的生物通路，而非从处理状态到未处理状态。
• 该框架提供了一种因果中介分析方法，即使在中介变量无法实验设定的情况下（如观察性或生物系统中）也适用。
• 该方法通过将反事实建立在单一、一致的干预状态下，为自然效应提供了一种有原则的替代方案，增强了在实际研究中的可解释性。