一种多中介因果分析方法及设备技术

本发明专利技术涉及因果推断技术领域，具体涉及到一种多中介因果分析方法及设备。该方法包含构建关于暴露变量、混杂变量组以及多中介变量的第一模型和关于暴露变量、混杂变量组、多中介变量以及结果变量的第二模型；基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量；基于边缘结构模型对模拟暴露变量上的每个不同的潜在结果变量进行回归获取每个边缘效应的估计值。另外，该设备涉及到用于确定多中介因果分析的设备和计算机可读存储介质。中介因果分析的设备和计算机可读存储介质。中介因果分析的设备和计算机可读存储介质。

【技术实现步骤摘要】
一种多中介因果分析方法及设备


[0001]本专利技术涉及因果推断
，特别涉及一种多中介因果分析方法及设备。

技术介绍

[0002]目前，因果推断的统计方法是利用试验性研究和观察性研究得到的数据评价变量之间的因果作用和挖掘多个变量之间的因果关系。因果中介分析方法在因果推断的基础上引入中介变量，调查暴露变量(自变量)如何通过中介变量对结果变量(因变量)产生影响，以及对变量之间的复杂关系进行量化处理并解释其因果作用机制。因果中介分析方法采用因果图和反事实框架，结合了中介分析和因果推断的优点，克服了传统的中介分析方法中，中介变量对分析结果产生偏差和不能解决变量间存在交互作用的问题。
[0003]然而，相关技术采用的因果中介分析方法未将中介作用和交互作用统一在一个框架内，以至难以对因果效应进行全面解释；此外，未检验或未观测的混杂变量是否会对中介变量和结果变量造成影响，导致所得到因果效应估计值存在偏差。

技术实现思路

[0004]本专利技术实施例提供一种多中介因果分析方法及设备，以解决相关技术中的问题。
[0005]一方面，本专利技术实施例提供了一种多中介因果分析方法，其特征在于，其包括步骤：
[0006]构建关于暴露变量、混杂变量组以及多中介变量的第一模型和关于暴露变量、混杂变量组、多中介变量以及结果变量的第二模型；
[0007]基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量；
[0008]基于边缘结构模型对模拟暴露变量以及所对应的潜在结果变量进行回归获取每个边缘效应的估计值。
[0009]一些实施例中，在构建所述第一模型和第二模型时考虑暴露变量与多中介变量的交互作用以及多中介变量间的交互作用。
[0010]一些实施例中，在构建所述第一模型和第二模型时根据所述多中介变量或所述结果变量为连续变量或离散变量的情况进模型构建。
[0011]一些实施例中，当所述多中介变量为连续变量时，根据第一公式构建所述第一模型；
[0012]当所述多中介变量为离散变量时，根据第二公式构建所述第一模型；
[0013]当所述结果变量为连续变量时，根据第三公式构建所述第二模型；
[0014]当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用时，根据第四公式构建所述第二模型；
[0015]当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用以及多中介变量间的交互作用时，根据第五公式构建所述第二模型；
[0016]当所述结果变量为离散变量且考虑所述暴露变量与多中介变量的交互作用以及
多中介变量间的交互作用时，根据第六公式构建所述第二模型；
[0017]所述第一公式为：
[0018]其中，E[M
(i)
|x,z:β]表示所述第一模型，x为随机干预暴露变量X的具体值，z为模拟混杂变量组Z的具体值，m为潜在中介变量M的具体值，β为第一模型系数，为第i个中间变量M所对应的第一模型截距，为随机干预暴露变量X的具体值x所对应的第一模型回归系数，为模拟混杂变量组Z的具体值z所对应的第一模型回归系数，k为中介变量的个数；
[0019]所述第二公式为：
[0020]其中，exp表示以自然常数e为底的指数函数；
[0021]所述第三公式为：
[0022]其中，E[Y|x,m,z:θ]表示所述第二模型，θ为第二模型系数，Y为结果变量，θ
y
为截距，θ
x
为随机干预暴露变量X的具体值x所对应的第二模型系数回归系数，为第i个中间变量M的具体值m所对应的第二模型回归系数，为模拟混杂变量组Z的具体值z对应的第二模型回归系数；
[0023]所述第四公式为：
[0024][0024]其中，为xm
(i)
的回归系数；
[0025]所述第五公式为：
[0026][0027]其中，θ
(i,j)
为m
(i)
m
(j)
的回归系数；
[0028]所述第六公式为：
[0029][0030]其中，logit[P]表示对P进行逻辑回归，P{Y＝1|x,m,z:θ}表示当X＝x,M＝m,Z＝z时Y＝1的概率。
[0031]一些实施例中，所述基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量，包括步骤：
[0032]基于第一模型、模拟混杂变量组和模拟暴露变量以及第一模型参数，获取潜在多中介变量；
[0033]基于第二模型、模拟混杂变量组、模拟暴露变量、潜在多中介变量以及第二模型参数，获取潜在结果变量。
[0034]另一方面，本专利技术实施例提供了一种多中介因果分析设备，其特征在于，其包括：
[0035]至少一个处理器；以及与所述至少一个处理器耦合的存储器，所述存储器包含有存储于其中的指令，所述指令在被所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：
[0036]构建关于暴露变量、混杂变量组以及多中介变量的第一模型和关于暴露变量、混杂变量组、多中介变量以及结果变量的第二模型；
[0037]基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量；
[0038]基于边缘结构模型对模拟暴露变量以及所对应的潜在结果变量进行回归获取每个边缘效应的估计值。
[0039]一些实施例中，在构建所述第一模型和第二模型时考虑暴露变量与多中介变量的交互作用以及多中介变量间的交互作用。
[0040]一些实施例中，在构建所述第一模型和第二模型时根据所述多中介变量或所述结果变量为连续变量或离散变量的情况进模型构建。
[0041]一些实施例中，构建第一模型和第二模型的具体情况分为：
[0042]当所述多中介变量为连续变量时，根据第一公式构建所述第一模型；
[0043]当所述多中介变量为离散变量时，根据第二公式构建所述第一模型；
[0044]当所述结果变量为连续变量时，根据第三公式构建所述第二模型；
[0045]当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用时，根据第四公式构建所述第二模型；
[0046]当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用以及多中介变量间的交互作用时，根据第五公式构建所述第二模型；
[0047]当所述结果变量为离散变量且考虑所述暴露变量与多中介变量的交互作用以及多中介变量间的交互作用时，根据第六公式构建所述第二模型；
[0048]所述第一公式为：
[0049]其中，E[M
(i)
|x,z:β]表示所述第一模型，x为随机干预暴露变量X的具体值，z为模拟混杂变量组Z的具体值，m为潜在中介变量M的具体值，β为第一模型系数，为第i个中间变量M所对应的第一模型截距，为随机干预暴露变量X的具体值x所对应的第一模型回归系数，为模拟混杂变量组Z的具体值z所对应的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多中介因果分析方法，其特征在于，其包括步骤：构建关于暴露变量、混杂变量组以及多中介变量的第一模型和关于暴露变量、混杂变量组、多中介变量以及结果变量的第二模型；基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量；基于边缘结构模型对模拟暴露变量以及所对应的潜在结果变量进行回归获取每个边缘效应的估计值。2.如权利要求1所述的一种多中介因果分析方法，其特征在于，在构建所述第一模型和第二模型时考虑暴露变量与多中介变量的交互作用以及多中介变量间的交互作用。3.如权利要求1或2任一项所述的一种多中介因果分析方法，其特征在于，在构建所述第一模型和第二模型时根据所述多中介变量或所述结果变量为连续变量或离散变量的情况进模型构建。4.如权利要求3所述的一种多中介因果分析方法，其特征在于，当所述多中介变量为连续变量时，根据第一公式构建所述第一模型；当所述多中介变量为离散变量时，根据第二公式构建所述第一模型；当所述结果变量为连续变量时，根据第三公式构建所述第二模型；当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用时，根据第四公式构建所述第二模型；当所述结果变量为连续变量且考虑所述暴露变量与多中介变量的交互作用以及多中介变量间的交互作用时，根据第五公式构建所述第二模型；当所述结果变量为离散变量且考虑所述暴露变量与多中介变量的交互作用以及多中介变量间的交互作用时，根据第六公式构建所述第二模型；所述第一公式为：其中，E[M
(i)
|x，z：β]表示所述第一模型，x为随机干预暴露变量X的具体值，z为模拟混杂变量组Z的具体值，m为潜在中介变量M的具体值，β为第一模型系数，为第i个中间变量M所对应的第一模型截距，为随机干预暴露变量X的具体值x所对应的第一模型回归系数，为模拟混杂变量组Z的具体值z所对应的第一模型回归系数，k为中介变量的个数；所述第二公式为：其中，exp表示以自然常数e为底的指数函数；所述第三公式为：其中，E[Y|x，m，z：θ]表示所述第二模型，θ为第二模型系数，Y为结果变量，θ
y
为截距，θ
x
为随机干预暴露变量X的具体值x所对应的第二模型系数回归系数，为第i个中间变量M的具体值m所对应的第二模型回归系数，θ`
z
为模拟混杂变量组Z的具体值z对应的第二模型回归系数；
所述第四公式为：所述第四公式为：其中，为xm
(i)
的回归系数；所述第五公式为：其中，θ
(i，j)
为m
(i)
m
(j)
的回归系数；所述第六公式为：其中，logit[P]表示对P进行逻辑回归，P{Y＝1|x,m,z:θ}表示当X＝x,M＝m,Z＝z时Y＝1的概率。5.如权利要求1所述的一种多中介因果分析方法，其特征在于，所述基于所述第一模型与第二模型模拟潜在多中介变量和潜在结果变量，包括步骤：基于第一模型、模拟混杂变量组和模拟暴露变量以及第一模型参数，获取潜在多中介变量；基于第二模型、模拟混杂变量组、模拟暴露变量、潜在多中介变量以及第二模型参数，获取潜在结果变量。6.一种多中介因果分析设备，其特征在于，其包括：至少一个处理器；...

【专利技术属性】
技术研发人员：杨林涛，陈琪美，赵明明，李海涛，胡记伟，张磊，
申请(专利权)人：武汉大学，
类型：发明
国别省市：