存在非随机缺失数据的纵向数据中介分析

纵向中介分析面临两个挑战:一是某个时刻的中介和结果会影响后续时刻的中介和结果,从而成为治疗后混淆因子(也被称作时变混淆因子);二是非随机缺失数据在纵向研究中很常见,如果没有处理好则会带来系统的中介效应估计偏差。目前没有文献考虑纵向中介分析同时出现治疗后混淆和非随机缺失数据的情形。为了填补这一空缺,基于潜在结果模型框架的理论,本文提出了纵向中介分析存在非随机缺失数据时因果效应的可识别性条件。开发了一种新的估计中介效应的统计程序,使用估计方程方法和多重插补处理缺失数据,并使用修正后的自然效应模型来估计中介效应。建立了所提出方法的大样本性质,并通过随机模拟和实际数据分析评估了新方法的有限样本表现。