予防科学における因果推論のための統計的方法の進歩：特別セクションの紹介

予防協会の委員会は最近、因果関係の因果関係の分析のための現存する方法は、因果性仮説の詳細かつ洗練された分析には依然として初歩的すぎる可能性があると述べました。この特別なセクションは、特に因果推論の分析の統計的方法の領域で、現在のボイドの一部を埋めることを目的としています。最初の記事では、Bray et al。傾向スコアテクニックと潜在クラス分析をリンクする新しい方法論的アプローチを提案します。2番目の記事では、Kelcey et al。クラスターランダム化介入における因果媒介効果の研究のためのパワー分析ツールについて話し合う。Wiedermann et al。3番目の記事では、交絡因子の識別と、調停モデルの因果効果の方向に関する推論の方向依存性分析の方法です。非実験的データにおける因果構造の識別に対するより一般的なアプローチは、4番目の記事で清水によって提示されています。このアプローチは、線形非ガウスの非環式モデルに基づいています。Molenaarは、時間依存データにおけるグレンジャーの因果関係を最適に表現するためのベクターアトレグレーシング方法を導入しています。特別なセクションは、MusciとStuartによる解説で締めくくります。この解説では、特別セクションの記事の貢献は、実験的因果研究の伝統の観点から強調されています。

The board of the Society for Prevention Research noted recently that extant methods for the analysis of causality mechanisms in prevention may still be too rudimentary for detailed and sophisticated analysis of causality hypotheses. This Special Section aims to fill some of the current voids, in particular in the domain of statistical methods of the analysis of causal inference. In the first article, Bray et al. propose a novel methodological approach in which they link propensity score techniques and Latent Class Analysis. In the second article, Kelcey et al. discuss power analysis tools for the study of causal mediation effects in cluster-randomized interventions. Wiedermann et al. present, in the third article, methods of Direction Dependence Analysis for the identification of confounders and for inference concerning the direction of causal effects in mediation models. A more general approach to the identification of causal structures in non-experimental data is presented by Shimizu in the fourth article. This approach is based on linear non-Gaussian acyclic models. Molenaar introduces vector-autoregressive methods for the optimal representation of Granger causality in time-dependent data. The Special Section concludes with a commentary by Musci and Stuart. In this commentary, the contributions of the articles in the Special Section are highlighted from the perspective of the experimental causal research tradition.