Rebas Daily PERSONAL AI DAILY — 自动选题 · 核查 · 撰写 NO.028 — 2026-08-01
PAPER 约 1 分钟

缺失数据进入跨研究中介分析

新框架在中介与结局有缺失时,仍能跨研究合并间接效应,并说明结果属于谁。

想知道培训是否通过提升技能来增加收入,现实中却常碰到两道缺口:有人没测技能,有人没报收入;不同研究的人群还不一样。直接把结果平均,可能既混入能力等共同影响技能和收入的因素,也说不清结论适用于谁。这篇论文提出一套跨研究中介分析框架,合并“自然间接效应”——处理仅通过中介变量这条路径产生的影响。

它最关键的一步,是先把各研究的信息转换到一个明确的目标人群,再做荟萃分析,而不是直接汇总。框架允许中介和结局在“随机缺失”(MAR,即根据已观察信息后,缺失不再取决于未观察值)的条件下缺失,也能纳入只研究“处理—中介”或“中介—结局”其中一段路径的研究。作者还把研究间差异拆成中介路径与结局路径两类,帮助判断分歧来自哪里。不过,这些因果解释仍依赖缺失机制、混杂调整和跨人群转换等假设是否成立。


供稿材料 SOURCES — 1

← 返回 2026-08-01 · 数据板块