我院特任副研究员谭黎明（通讯作者）的合作论文《中介效应的估计与应用——基于高维线性潜在混淆变量模型》在中文权威期刊《统计研究》2026年第8期正式发表。
中介效应被广泛应用于探讨经济变量之间的因果关系及其作用机制。现有学者大多基于线性结构方程模型使用最小二乘法对中介效应进行估计，但模型中可能包含不可观测的遗漏变量会导致有偏的系数估计，进而会降低中介效应的因果解释力度。为此，本文首先探讨Imai等（2010）和Huber等（2020）提出的因果中介效应非参数识别方法，并分析该方法与线性结构方程模型参数估计的等价条件。进而，本文探讨在线性结构方程模型中加入足够多的控制变量来缓解遗漏变量的可能性，并且使用双重纠偏LASSO估计高维线性潜在混淆变量模型，缓解遗漏变量带来的内生性偏误，获得更为可信的中介效应估计量。最后，通过蒙特卡洛模拟与实证案例分析，验证双重纠偏LASSO在有限样本及实证中的表现。
本文的边际贡献主要包括以下三方面。首先，双重纠偏LASSO是针对单方程模型的估计方法，本文在线性结构方程模型中通过引入双重纠偏LASSO估计方法，有效解决中介效应分析中的潜在混淆变量问题，尤其是在高维数据情境下。其次，考虑潜在结果框架下的中介效应分析，借助Imai等（2010）和Huber等（2020）提出的非参数识别定理，说明在潜在结果框架下中介效应是非参数可识别的，并给出线性结构方程模型参数估计与非参数估计之间的等价性条件。能够为中介效应的识别提供理论支持，并拓展因果推断方法的应用范围，为后续研究提供新视角。最后，通过蒙特卡洛模拟和实证分析验证所提出方法在有限样本和实际问题中的效果。
