基于变量选择高维中介方法的模拟比较

摘要

目的 比较不同情形下几种基于变量选择的高维中介分析方法的优劣，为高维中介分析方法的选择提供参考。方法 模拟不同场景的数据集(样本量n=300,600、中介维度P=100,1000、中介间相关系数ρ=0.25,0.6),采用基于极大极小凹惩罚函数(the minimax concave penalty, MCP)的高维中介分析(HIMA)、基于去偏LASSO估计的高维中介分析(HDMA)、基于贝叶斯稀疏线性混合模型(BSLMM)先验的高维中介分析和基于乘积阈值先验(PTG)的高维中介分析四种方法选择真正的中介；采用bias、MSE、TPR评价模型的性能。结果 HDMA在大多数场景中均有最高的TPR,PTG表现则较为稳定，而HIMA和BLSMM随着ρ增大，TPR大幅减小。以上方法，随着样本量的增加，估计偏倚均减小，TPR均增加；随着中介间相关性的增加，TPR均减小。结论 HDMA方法总体表现较好，在高维和相关性较高的情况下可以考虑优先选用。

关键词

高维中介分析 / 极大极小凹惩罚函数 / 去偏LASSO / 贝叶斯稀疏线性混合模型先验 / 乘积阈值先验