評(píng)估中介作用時(shí)的混雜性

1、中介作用通過一個(gè)中介變量解釋風(fēng)險(xiǎn)因素和產(chǎn)出之間的關(guān)系，這是它的步驟中其中的一步。在沒有因果循環(huán)關(guān)系的假設(shè)下，我們認(rèn)為在各種變量中第四個(gè)變量可能會(huì)成為評(píng)估中介作用時(shí)的一個(gè)混雜因素。由蒙特卡羅研究支持的漸進(jìn)效果表明在一定條件下，調(diào)整混雜因素可能會(huì)導(dǎo)致有偏見的估計(jì)。一般的原則是為在估計(jì)中介作用時(shí)適當(dāng)?shù)恼{(diào)節(jié)混雜因素的作用服務(wù)的。我們應(yīng)用指南的中介效應(yīng)的估計(jì)在125年去世的宗教團(tuán)體研究參與者的阿爾茨海默病病理4載脂蛋白E等位基因之間的關(guān)系和認(rèn)知功能，縱向,衰老和阿爾茨海默病的臨床病理研究。1. 介紹調(diào)解模型描述了第三個(gè)變量（M）是如何干預(yù)的自變量（X）和一個(gè)因變量（Y）之間的因果關(guān)系的。更具體的說，中介

2、模型假設(shè)了自變量（X）影響中介變量（M），從而進(jìn)一步影響因變量（Y）。我們用這個(gè)XMY的示意圖來代表影響途徑。我們的研究點(diǎn)在中介效果：通過中介變量M后X對(duì)Y的作用。一般情況下是基于路徑模型中每一條相關(guān)聯(lián)路徑的系數(shù)的乘積來評(píng)估中介作用的（奧威和豪瑟，1975;男爵和肯尼，1986;博倫，1987;?？怂梗?980;索貝爾，1982）。模型如下：M = cM + X + M, (1)Y = cY + M + X + Y，（2）其中M是一個(gè)獨(dú)立于X和Y的零均值的隨機(jī)變量，Y是一個(gè)獨(dú)立于X和M的零均值的隨機(jī)變量，CM與CY代表不變的截距。這里是路徑XM的關(guān)聯(lián)系數(shù)， 是在控制X變量后路徑MY的關(guān)聯(lián)系數(shù)。

3、根據(jù)系數(shù)乘積的方法，通過中介變量M后X對(duì)Y的影響被定義為。剩下的X和Y之間的聯(lián)系,用,被稱為“直接影響”,其中可能包括通過一些未知的途徑的不明的間接影響和X與Y之間可能存在的之間影響。直接效應(yīng)和間接效應(yīng)的總和即，被稱為X對(duì)Y的累積效應(yīng)。 估計(jì)中介效應(yīng),通常基于回歸方程式（1）和（2）由普通最小二乘估計(jì)(OLS)和。當(dāng)這兩個(gè)方程式之間存在真實(shí)的因果關(guān)系時(shí)，最小二乘法對(duì)和（，）。其結(jié)果是，是中介作用（，）的估計(jì)。上述結(jié)論關(guān)鍵取決于在假設(shè)中，沒有其他的干擾變量作為自變量、調(diào)節(jié)變量和因變量。如果有一個(gè)變量Z干擾其中的一個(gè)變量或者所有的三個(gè)變量，那么簡單的估算將和上述不再一致。例如,假設(shè)ZM并且MX,那

4、么M組件之一是Z。因此，X和 M 相關(guān)，并且最小二乘法對(duì)的估計(jì)是有偏見的，即使是在一個(gè)大樣本下。在最近的一篇文章中， Herting (2002) 認(rèn)為，沒有納入一個(gè)混雜因素，去拒接中介效用存在的正確的形式是太過于簡單了。在本文中，我們認(rèn)為第四個(gè)變量Z可以在路徑XM以任何可能的方式作為混雜因素。我們調(diào)查的調(diào)解作用在所有我們考慮的方案中各種估計(jì)的屬性。提供了不同估計(jì)的漸進(jìn)偏見。一些模擬實(shí)驗(yàn)來評(píng)估的有限樣本漸近結(jié)果的準(zhǔn)確性?；跐u近結(jié)果和數(shù)值的證據(jù)，我們就如何在經(jīng)驗(yàn)應(yīng)用中選擇估計(jì)變量給了一些指引。我們的方法被應(yīng)用到臨床診斷阿爾茨海默氏?。ˋD）時(shí)估計(jì)中介效應(yīng)的風(fēng)險(xiǎn)因素中，其中年齡是一個(gè)可能的混雜因

5、子。AD是一種漸進(jìn)性腦疾病，逐漸破壞一個(gè)人的記憶和學(xué)習(xí)新的信息的能力，即溝通和進(jìn)行正常的日常生活的能力，隨著年齡的增加患AD的風(fēng)險(xiǎn)也會(huì)隨之增加。僅僅在美國就有500萬人患有AD，而這個(gè)數(shù)字在未來的幾十年里將會(huì)隨著人口老齡化而在全球范圍內(nèi)逐漸增長。最近證據(jù)表明AD的臨床表現(xiàn)是多種遺傳和環(huán)境因素與大腦中的病理和生化改變相互作用的復(fù)雜結(jié)果。例如，盡管AD的病理標(biāo)志是神經(jīng)炎斑和神經(jīng)原纖維纏結(jié)，這些病變可能會(huì)增加大腦的其他疾病，如腦梗甚至引起認(rèn)知障礙（彼得羅維奇等人，2005）。與此相反，環(huán)境風(fēng)險(xiǎn)因素可以修改AD病理學(xué)的認(rèn)知關(guān)系。一個(gè)載脂蛋白E4等位基因的存在（APOE4，該基因編碼載脂蛋白E的共同的多

6、態(tài)性）是用于所述疾病的主要遺傳風(fēng)險(xiǎn)因素（Tang等人，1998）。通過該4等位基因與臨床診斷的AD的風(fēng)險(xiǎn)升高相關(guān)聯(lián)的神經(jīng)生物學(xué)機(jī)制還不是很清楚。先前的組織病理學(xué)研究（例如，Bennett等，2003）表明，4等位基因?qū)φJ(rèn)知功能障礙的效果可通過增加在該AD病理學(xué)累積速率來介導(dǎo)的。由于AD病理學(xué)可能會(huì)增加，或與其他因子相互作用以引起認(rèn)知功能障礙，各種備選的機(jī)制也可以解釋之間的關(guān)聯(lián)。因?yàn)檎J(rèn)知作用，AD病理學(xué)和許多AD的風(fēng)險(xiǎn)因素均與年齡相關(guān)，要能夠調(diào)整為年齡在老年人的常見的慢性疾病中介分析的潛在混雜影響是重要的。我們應(yīng)用不同的策略來評(píng)價(jià)混雜因子，死亡年齡，廣告病理學(xué)Apoe4等位基因的存在之間的關(guān)系和

7、認(rèn)知功能水平之前死亡125例在宗教團(tuán)體的研究中,縱向,衰老的臨床病理研究和廣告中中介作用的評(píng)估。本文其他部分的研究如下，第二章介紹了Z作為一個(gè)混雜因子影響路徑XMy的所有可能方式。在我們的研究中，Z，X，M和Y分別對(duì)應(yīng)于死亡年齡，APOE4，AD病理學(xué)和認(rèn)知功能。第三節(jié)考察不同的估計(jì)方法中中介作用的漸進(jìn)性質(zhì)。第四節(jié)介紹仿真結(jié)果。第五節(jié)講應(yīng)用程序。第六部分是結(jié)論，并給出了選擇估計(jì)量的一些建議。2. 路徑模式我們首先假定一個(gè)通路模式XM。我們進(jìn)一步假定X，M，和Y是以線性方式相互關(guān)聯(lián)，如圖所示，例如在方程（1）和（2）中當(dāng)結(jié)果是0的時(shí)候一個(gè)完整的中介就出現(xiàn)了，這樣X和Y之間就完全被M中介，X對(duì)Y

8、沒有直接的影響。事實(shí)上，一個(gè)完整的中介是不可能的，并且一個(gè)長遠(yuǎn)的影響通常保持在一個(gè)中介模型中，即使它在統(tǒng)計(jì)學(xué)上是不顯著的。假定在路徑中沒有循環(huán)，那么一個(gè)周期以為著變量可能通過路徑中的其他變量影響其本身。表1通過四分之一的混雜因子Z和X，M和Y提供了所有可能的通路路徑組合。該路徑模式分為四種不同的類別。第一種類別，表示為基準(zhǔn)的情況下，由表殼0.0，其中Z與X，M和Y不相關(guān)。第二類包含七個(gè)形式（例1.1-1.7）第四個(gè)變量Z在在路徑X,M和/或Z的開始。第三類由七個(gè)形式組成（例2.1-2.7），其中X，M和/或Y在到Z的路徑的最前端。最后一類是由剩余的五個(gè)形式組成（例3.1-3.5），涉及Z和X，

9、M和Y更復(fù)雜的路徑的關(guān)系。每個(gè)通路可以由路圖來表示。例如，基準(zhǔn)案例0.0，可以簡單地表示為XMY并且相應(yīng)的模型在方程（1）和（2）中給出。作為第二個(gè)例子，圖1為例3和例4提供了路徑示意圖，其中自變量X通過中介變量M對(duì)因變量Y有間接的影響，通過第4個(gè)變量Z對(duì)Y有間接影響，對(duì)Y 有直接的影響。另外，上述第四個(gè)變量Z對(duì)中介變量M有著直接的影響。例3和例4的正確模型可以寫為：表1Z和XM因果途徑的關(guān)系X, Z, M, Y 是均值為0，方差為的隨機(jī)變量。在上面的模型中我們對(duì)使用了一個(gè)下角標(biāo)ZM來表示Z對(duì)M的影響。其他的也具有類似的含義，在應(yīng)用中，X是以 ApoE 4存在的，Y是認(rèn)知功能水平，M是AD病理

10、學(xué)的水平，Z是死亡年齡。 在方程（3） - （6）中，每個(gè)是獨(dú)立于相應(yīng)的方程的右邊的變量。這種獨(dú)立性對(duì)單項(xiàng)因果關(guān)系有著獨(dú)立的影響，如果沒有這種假設(shè)，一般取決于方程右邊的變量。單向因果關(guān)系的假設(shè)是我們的中介框架的基石，適用于所有型號(hào)的調(diào)解。我們?cè)谡恼轮卸歼\(yùn)用這個(gè)假設(shè)。3.4），通過M出現(xiàn)了X對(duì)Y影響的兩條路徑，例如，在例子3和4中，這兩個(gè)路徑是 X M Y 和X Z M Y。在第一條路徑中，X對(duì)M有著直接的影響。在第二條路徑中，Z在X和M間是一個(gè)中介變量。X對(duì)M的總效應(yīng)是間接效應(yīng)和直接效應(yīng)。X對(duì)M的總影響乘以，即M對(duì)Y的直接影響，提供了通過M后X對(duì)Y的中介作用，定義為：對(duì)于其余情況的中介作用

11、列于表2的第二列中。3. 中介作用的估計(jì)第二節(jié)列舉了20因果模式，其中四分之一混雜變量可能通過因果途徑XM進(jìn)行干預(yù)。 3.1 四種不同的估算策略第一估計(jì)策略，稱為策略A，它忽略了混雜因素并且在沒有變量Z的情況下適合回歸方程，回歸方程如下式：其中帶帽子的參數(shù)表示用最小二乘法進(jìn)行的估計(jì)，和是通過最小二乘法回歸后M和Y的預(yù)測(cè)值。 表2 通過中介變量M后的間接影響 符號(hào)中的幾個(gè)字是有順序的，的下標(biāo)意味著M對(duì)X的回歸中是M的系數(shù)。在本文中我們對(duì)其他的符號(hào)定義類似的規(guī)定。其中回顧7是一級(jí)回歸，回歸8是二級(jí)回歸。和進(jìn)行最小二乘估計(jì)，估計(jì)的中介效果是 第二個(gè)估計(jì)策略，被稱為戰(zhàn)略B，是忽略了XM因果通路的混雜變

12、量，回歸方程通過測(cè)量B給出： 中介作用的估計(jì)效果是： 第三估算策略，叫做策略C，由下式給出 忽略在MY因果路徑的混雜變量。中介作用所產(chǎn)生的估計(jì)是 最后，第四估計(jì)策略，稱為策略D，兩個(gè)回歸方程中都包括混雜變量Z，從而導(dǎo)致 中介作用的估計(jì)效果是 在應(yīng)用中,通常的四種評(píng)估策略之一應(yīng)用在沒有知識(shí)關(guān)系的混雜因子Z和X MY因果路徑之間。在接下來的小節(jié)中，在接下來的小節(jié)中，我們提出了概率極限代表表1給出的所有可能的因果模式。3.2 漸進(jìn)偏見對(duì)于每一個(gè)因果模式，我們得出每個(gè)估計(jì)的概率極限。這個(gè)限制和真實(shí)的中介作用之間的差被定義為漸近偏差。根據(jù)此定義，當(dāng)漸近偏差為零，則估計(jì)和表2的第二列中給出的正確的中介的作

13、用相一致。我們首先使用案例3.4演示漸近偏差的推導(dǎo)。用公式（3） - （4），我們可以推斷出，其中X和復(fù)合誤差項(xiàng)ZMZ+M的相獨(dú)立。因?yàn)镺LS估計(jì)和底層模型參數(shù)一致，通過一個(gè)常數(shù)和X回歸M得到的最小二乘估計(jì)的概率極限是： 上述限制適用于方案A和B，既無視Z在他們的第一階段回歸。像方案C和D，當(dāng)Z在第一階段回歸，用公式（5），我們可以推斷出：我們現(xiàn)在轉(zhuǎn)向第二階段的回歸。戰(zhàn)略B和D結(jié)合Z進(jìn)入回歸。在這種情況下，OLS估計(jì)的概率限值：對(duì)于策略A和C，協(xié)變量Z從回歸省略。 OLS估計(jì)量的概率極限是： 它遵循公式（3）到（6）將上述表達(dá)式插入(12)的收益率組合（9），（10），（11）與（14）中，我

14、們得到每個(gè)估計(jì)量的概率極限：當(dāng)是真正的中介作用時(shí)，那么每個(gè)估計(jì)的漸近偏差由下式給出：根據(jù)底層模型參數(shù)，當(dāng)是漸進(jìn)偏見時(shí)，是漸進(jìn)無偏。了解不同估計(jì)的偏置特性，請(qǐng)注意，在的結(jié)構(gòu)中，Z被正確地包括在第二階段回歸中。由于Z被省略，由第二階段OLS回歸估計(jì)的M對(duì)Y的影響會(huì)不一致。這是在不一致的情況下對(duì)的估計(jì)。另一方面，Z不包含在策略B的第一階段回歸中。根據(jù)Z導(dǎo)致M，X導(dǎo)致Z，第一階段對(duì)的最小二乘估計(jì)，似乎忽略了Z遭受遺漏變量偏差的影響。然而，我們的目標(biāo)是估計(jì)X對(duì)M的總影響。當(dāng)省略了Z，第一步對(duì)的最小二乘估計(jì)不僅得到了X對(duì)M的直接效應(yīng)，還有通過中間變量Z的間接影響。因此剛好提供了我們想要的。與此相反，通過在

15、第一階段包括Z的估計(jì)，第一步對(duì)的最小二乘估計(jì)只得到了X對(duì)M的直接影響。因此，根據(jù)對(duì)的估計(jì)與真正的中介作用是不一致的。接下來，我們考慮一般的情況。估計(jì)量下對(duì)于不同的因果型態(tài)的四個(gè)估計(jì)策略的概率范圍概括在最后四列表2。由于大部分的概率范圍具有復(fù)雜的形式，表2中只給出了幾個(gè)例子。這些概率限值等于第一級(jí)OLS估計(jì)乘以所述第二階段OLS估計(jì)的極限。如果兩個(gè)估計(jì)是不一致的，由此產(chǎn)生的估計(jì)為中介效果也是不一致的。導(dǎo)致的兩個(gè)估計(jì)的不一致的原因可以描述如下。首先，在第一階段只有當(dāng)因果圖包含以下情況時(shí)估計(jì)是不一致的，即協(xié)變量Z對(duì)M的影響，并且與第一階段X的回歸相關(guān)聯(lián)，省略Z導(dǎo)致眾所周知的省略可變偏差。第二，第一階

16、段只有當(dāng)因果圖中包含的下述之一時(shí)對(duì)的估計(jì)是不一致的。或者第一種情況很容易理解。，X對(duì)M的總影響由于X對(duì)M的直接影響和收斂于0，與和是不一致的。另見案例3.4的討論。對(duì)于后兩種情況下，Z是在因果鏈XM的后端。包括中的Z第一階段回歸顛倒X和M之間的因果關(guān)系。由于M會(huì)影響Z，因此M與Z是相關(guān)的。M對(duì)Z的回歸控制了Z的影響，給出我們X和M的統(tǒng)計(jì)關(guān)聯(lián)，沒有給出X和M之間的因果關(guān)系。因此，根據(jù)第一階段回歸系數(shù)的因果解釋，把Z視為無效回歸。因此，不提供X對(duì)M的因果關(guān)系的無偏估計(jì)。第三，只有當(dāng)一下情況的因果圖出現(xiàn)時(shí)，省略了可變偏壓的存在的估計(jì)是不一致的。 最后，只有當(dāng)因果圖包含下列之一時(shí)，的估計(jì)是不一致的。或

17、者在第一種情況下，的最小二乘估計(jì)只能解釋M對(duì)Y的直接影響，忽略了通過Z的間接效應(yīng)。第二種情況下，Z在因果鏈 M Y Z的末端，由于同樣的原因，漸進(jìn)偏差適用于。在漸進(jìn)偏差的基礎(chǔ)上，20個(gè)因果圖案可分為7類，在表3中的第二列中列出的更多細(xì)節(jié)見第4.2節(jié)。4. 模擬我們使用SAS？ （9.1版）的所有統(tǒng)計(jì)模擬和分析。從正態(tài)分布使用SAS RANNOR功能與種子=1,000,000.我們考慮100，200，500和1000為樣本大小。為簡單起見，我們假定Z和X，M和Y之間的所有路徑系數(shù)是相同的并且相等。 表3在現(xiàn)實(shí)中，這個(gè)假設(shè)肯定不成立。采納麥金農(nóng)等人的程序(2002），參數(shù)值被選擇以對(duì)應(yīng)于實(shí)現(xiàn)小樣本

18、（因變量局部方差為2），中樣本（在從屬變量局部方差的13），和大樣本（從屬變量的局部方差的26）。這些參數(shù)是0.14，0.39，和0.59，對(duì)應(yīng)于0.14，0.36，和0.51，分別偏相關(guān)。直接影響被選作0（完全中介）和0.2（偏中介）。變量M，Y和Z的模擬如下正態(tài)分布的連續(xù)變量。獨(dú)立變量X被假定為以成功概率0.3遵循正態(tài)分布和貝努利分布。在應(yīng)用中，具有至少一種ApoE4等位基因的概率為0.29。因?yàn)榻鼐嗖⒉挥绊懙恼{(diào)停作用的推定，不失一般性，我們?cè)O(shè)置所有的截距在數(shù)據(jù)生成的模擬中為0，但它們包括在模型擬合。所有的隨機(jī)噪聲項(xiàng)被假定為獨(dú)立的，相同的并且正態(tài)分布均值為0，方差1?？傊?，模擬使用了333

19、22420階乘設(shè)計(jì)。我們改變了影響路徑大小的因素（0.14為小樣本，0.39為中樣本，0.59為大樣本），（0.14為小樣本，0.39為中樣本，并且0.59為大樣本），（0.14為小樣本，0.39中樣本，和0.59的大樣本），直接影響（0和0.2），分布的X（標(biāo)準(zhǔn)正常和伯努利概率0.3），樣本大小（100，200，500，和1000），和表1中的20因果圖案，共計(jì)8640不同的數(shù)據(jù)生成過程（DGP）。對(duì)于每個(gè)DGP，要重復(fù)進(jìn)行500次實(shí)驗(yàn)。比較不同層次的中介效應(yīng)偏差，我們計(jì)算經(jīng)驗(yàn)相對(duì)偏差，用在第三節(jié)中在真正的間接效應(yīng)上。相對(duì)偏差在500個(gè)重復(fù)的試驗(yàn)上，評(píng)估每個(gè)因果模式下四個(gè)估計(jì)的實(shí)證表現(xiàn)，在4

20、.2節(jié)中總結(jié)。4.1 例子我們用圖1中的例子3.4來說明數(shù)據(jù)是如何形成的。=0.2并且X遵循標(biāo)準(zhǔn)正態(tài)分布，樣本遵循，以產(chǎn)生一個(gè)二進(jìn)制變量X，X的分布，在方程（15），被替換為X伯努利（0.3）。4.2 結(jié)論不同效應(yīng)大小的模擬結(jié)果和這20個(gè)因果模擬相類似，不管影響大小的幅度，或獨(dú)立變量的分布，或直接作用（0或0.2）的大小，相對(duì)偏壓表明每個(gè)散圖案類似的模式，其結(jié)果是，即使樣本容量為100也是相對(duì)穩(wěn)定的。圖。2，我們繪制漸近相對(duì)偏差和經(jīng)驗(yàn)相對(duì)偏差（500個(gè)樣本），并且X遵循正態(tài)分布。唯一漸進(jìn)無偏的是策略B。對(duì)于所有的估算策略，經(jīng)驗(yàn)相對(duì)偏差是非常接近的漸近相對(duì)偏差。策略A高估了MY的因果關(guān)系因此高估

21、了中介作用。策略C低估了XM的因果關(guān)系，高估了MY的因果關(guān)系，他們相結(jié)合低估了中介作用。策略D低估了XM的因果關(guān)系，因此低估了中介作用。表3列出了對(duì)于所有的20個(gè)因果圖案時(shí)的相對(duì)方差，X遵循標(biāo)準(zhǔn)正態(tài)分布。 類似漸近相對(duì)偏差的結(jié)果，我們可以在我們的這20因果模式的模擬結(jié)果分為七個(gè)不同的群體，在表3的第二列列出。表A包含6個(gè)因果模式（2.3，2.4，2.5，2.7，3.1和3.2），只有的估計(jì)是一致的。AB組包含3個(gè)因果模式（2.2，2.6和3.3），都是一致的。ABCD組包含7個(gè)因果模式 ( 0.0, 1.1, 1.2, 1.3, 1.5, 2.1, 和3.5)，其中4個(gè)估計(jì)都是一致的。B組包含

22、一個(gè)因果模式（3.4），只有提供了中介作用一致的估計(jì)。BD組給提供了一個(gè)因果模式（1.4），其中提供了一個(gè)一致的估計(jì)。請(qǐng)注意，在例3.3和3.4中，混雜因素有助于總調(diào)解效果的因果途徑的一部分。當(dāng)研究者感興趣估計(jì)部分調(diào)解效果不經(jīng)過混雜因素，策略D提供漸近無偏估計(jì)。5. 應(yīng)用 在第4節(jié)中我們可以看出，當(dāng)估計(jì)中介效應(yīng)時(shí)，沒有黃金標(biāo)準(zhǔn)戰(zhàn)略可用于正確的估計(jì)潛在混雜因素的調(diào)整。因此，策略的選擇依賴于多種因素。在本節(jié)中，我們提出了一個(gè)應(yīng)用說明一個(gè)可能的方法，用于選擇適當(dāng)?shù)墓烙?jì)策略。 AD的臨床表現(xiàn)是引起病理或其他大腦中的病理學(xué)或其他化學(xué)改變交互多遺傳和環(huán)境因素的復(fù)雜函數(shù)。Bennett等（2003年），用于

23、參與宗教訂單從125死者的數(shù)據(jù)研究，老化和AD的縱向，臨床病理研究，以測(cè)試APOE4等位基因，為臨床AD的一個(gè)已知危險(xiǎn)因素，與認(rèn)知水平相關(guān)聯(lián)的假說功能通過與AD病理，而不是其他腦部病變措施的關(guān)聯(lián)。在他們的分析中，獨(dú)立變量是一個(gè)或兩個(gè)APOE4等位基因的存在，其定義為神經(jīng)炎斑和神經(jīng)原纖維纏結(jié)標(biāo)準(zhǔn)化并組合成全局病理學(xué)得分的復(fù)合量度介wasAD病理學(xué)和因變量是認(rèn)知功能的水平臨終前定義為規(guī)范化，組合成認(rèn)知的復(fù)合全球措施19認(rèn)知功能測(cè)試?？傊?，虛擬因果路徑是APOE4AD病理學(xué)認(rèn)知功能。而年輕的人可能會(huì)患有AD，疾病通常在65歲開始并且風(fēng)險(xiǎn)隨著年齡的增加而增大。65-74之間患有AD的人少于5%，將近一

24、半的人年齡85歲以上可能有疾病。值得注意的是，然而，AD是不正常老化的一部分。在APOE4AD病理認(rèn)知功能相關(guān)，年齡是密切相關(guān)的，這兩個(gè)AD病理學(xué)和認(rèn)知功能，并構(gòu)成了重大的混雜因素。在本節(jié)中，我們提供了APOE4通過AD病理調(diào)解效果估計(jì)使用四個(gè)評(píng)估策略，我們用這個(gè)例子來說明的方法來選擇合適的評(píng)估策略調(diào)整對(duì)于年齡的調(diào)解效果估計(jì)在潛在的混雜效應(yīng)常見的慢性的研究年齡相關(guān)的條件的方法。一般的方法是歸納為三個(gè)步驟。在第一步驟中，人們需要確定混雜因素年齡和APOE4，病理學(xué)，和認(rèn)知功能概念性地之間的所有可能的因果圖案。一個(gè)人出生時(shí)或沒有APOE4，因此因果關(guān)系（Z）APOE4（X）不成立，并在參照表1，案

25、件1.1，1.5，1.6，和1.7可以排除。與此相反，因?yàn)橛凶C據(jù)表明，APOE4與死亡率是有關(guān)的（海登等人，2005），我們不能完全排除APOE4的可能性年齡（例2.1，2.5-2.7，在表13.2-3.5）。與此同時(shí)，隨著年齡的增加是與AD病理學(xué)（M）和認(rèn)知功能（Y）的損失的同時(shí)積累相關(guān)聯(lián)。例1.4和3.4（表1）用兩種可能的圖案表示。在第二步驟中，需要確定適當(dāng)?shù)墓烙?jì)策略所識(shí)別的因果圖案。根據(jù)表3，對(duì)于案例1.4，兩者都是無偏估計(jì)。對(duì)于案例3.4，估計(jì)B提供了一個(gè)公正的結(jié)果，但估計(jì)D有一個(gè)漸進(jìn)的偏，這個(gè)漸近偏壓由通過因果路徑XZMY，這是不適當(dāng)?shù)牡谝还烙?jì)階段調(diào)整為中介效應(yīng)產(chǎn)生。在第三步驟中，

26、我們得到的四個(gè)估計(jì)，然后對(duì)它們進(jìn)行比較，看看估計(jì)B和D是否彼此接近，并且從估計(jì)甲明顯不同和C查找從估計(jì)B和D，并從不同的結(jié)果類似的結(jié)果估計(jì)A和C將提供有力的證據(jù)支持在第一步中確定的概念因果模式1.4。在我們的應(yīng)用程序，估計(jì)B（-0.387，95CI（-0.611，-0.182）和D（-0.378，95CI（-0.606，-0.177）相當(dāng)接近，而從估值非常不同（-0.445，95CI（-0.707，-0.221）和C（-0.435，95CI（-0.699，-0.209）。置信區(qū)間使用的引導(dǎo)方法獲得。結(jié)果似乎證實(shí)了年齡和APOE4，AD病理學(xué)和認(rèn)知功能之間的關(guān)系，我們的概念的理解。調(diào)解效果的適當(dāng)

27、點(diǎn)估計(jì)是-0.387（估計(jì)B）。估計(jì)D和B（0.009）之間的差異將是一個(gè)經(jīng)驗(yàn)估計(jì)，由于戰(zhàn)略D過度調(diào)整的案例3.4混雜因素的影響，人們應(yīng)該選擇策略B估算調(diào)解效果（-0.387）。6. 討論就像在我們文章中呈現(xiàn)的，沒有一個(gè)單一的策略適合所有20因果模式。為了緩解的間接影響的戰(zhàn)略選擇和估計(jì)，我們提供在各種因果模式的一般準(zhǔn)則。當(dāng)估算的間接影響，需要首先考慮的第四個(gè)變量Z可能的因果路徑XMy為混雜因素干擾所有可能的方式。根據(jù)是否有來自X一個(gè)或兩個(gè)途徑為M，然后到Y(jié)，我們提出了以下原則：考慮其中有兩種途徑的情況下。當(dāng)XZM，但應(yīng)當(dāng)被使用。在這種情況下，也可以使用，但是會(huì)產(chǎn)生不必要的成本，當(dāng)XZM和ZY時(shí)，應(yīng)當(dāng)被使用。當(dāng)MZY時(shí)，應(yīng)當(dāng)被使用?？紤]只有一種路徑的情況下，如果ZM并且ZY，但是，和都可以被使用。如果ZM和ZY和ZX，應(yīng)當(dāng)被使用。綜上所述，研究人員需要知道的，先驗(yàn)的，該模型是還是有一個(gè)好主意如何限制的選擇之前因果模型可以合理應(yīng)用是什么。在許多情況下，這樣的先驗(yàn)知識(shí)是不可用。從初步研究使用的數(shù)據(jù)，例如，對(duì)于每一個(gè)潛在的混雜因素，人們可以推測(cè)可能的因果圖案，使用所有四個(gè)策略進(jìn)行分析，然后檢查在表3中列出的20因果圖案看到實(shí)際結(jié)果是否與概念因果路徑一致。在實(shí)際應(yīng)用中，研究者通常采用兩種策略，完全忽略了可能的混雜因