什么是 因果中介分析（Causal Mediation Analysis）？
因果中介分析（Causal Mediation Analysis）通过定义直接与间接的反事实对比，研究一项干预的效应有多少经过指定中介传递，以及有多少通过其他路径产生。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
中介必须具有明确的因果定义与时间顺序
基线混杂变量应在处理前测量，中介应在处理后测量，结果则发生在中介之后。一个同时与处理和结果相关的变量并不会自动成为机制。还应说明可以通过何种干预改变中介，以及目标中介值或分布是否可实施，因为仅为路径命名并不能定义可行动的间接效应。
直接与间接效应需要额外识别假设
识别通常要求 Consistency、Positivity，不存在未测的处理-结果、处理-中介或中介-结果混杂，并要求正确时序和模型。处理诱导的中介-结果混杂会使标准自然效应公式失效。Nguyen 等人的教程说明了为什么必须把目标估计量与相应假设一起选择。
效应分解不默认等于机制占比
总效应 = 直接效应 + 间接效应 只在选定 Estimand 与尺度上成立，对非线性模型、交互、存活结局或其他效应定义并不普遍。应报告两个分量及不确定性，保持效应尺度一致，检验处理与中介交互、检查重叠，并对中介-结果混杂执行敏感性分析，而不是只给出脆弱的中介比例。
主要特点
- 按时间顺序定义处理、中介与结果
- 区分总效应、控制效应、自然效应与干预型效应
- 所需假设通常强于识别总因果效应的假设
- 对中介-结果混杂和处理诱导混杂高度敏感
- 依赖效应尺度、交互与中介干预定义
- 机制结论必须伴随不确定性与敏感性分析
常见用途
- 检验引导式上手是否通过早期激活改善留存
- 区分策略的行为路径与其余效应
- 设计直接干预候选中介的后续实验
- 比较自然效应与干预型效应定义
- 在转化为产品决策前审计机制主张
示例
Loading code...常见问题
总效应、直接效应与间接效应有什么区别？
总效应比较对处理执行不同干预后的结果；直接效应按指定规则固定或重新分配中介；间接效应则把结果差异归因于中介规则的变化。精确定义取决于控制型、自然型或干预型 Estimand。
回归系数能证明存在中介作用吗？
不能。加入中介后处理系数变小并不能识别因果间接效应。中介位于处理之后，条件化可能引入偏差。识别需要因果 Estimand、正确时序、混杂控制、正值性与合适模型。
自然直接与间接效应为什么要求更强？
它们使用嵌套反事实，把一个处理状态下的结果与另一个处理状态产生的中介值组合。识别通常需要连接不同反事实世界的假设，包括不存在未测中介-结果混杂及不存在会破坏公式的处理诱导混杂。
什么是处理诱导的中介-结果混杂？
处理先改变某变量，该变量随后同时影响中介与结果。调整它可能阻断部分处理效应，忽略它又会混杂中介与结果关系；标准自然效应公式通常失效，需要改用专门 Estimand 或方法。
是否总应该报告中介比例？
不应。直接与间接效应方向相反、总效应接近零、使用非线性尺度或存在交互时，中介比例会很不稳定甚至误导。应优先报告原始效应、尺度、不确定性、假设与敏感性分析。