假设我们想知道，一项培训为什么能提高收入。它可能直接帮人找到工作，也可能先提升技能，再间接带来收入增长。但如果高学历者全都参加了培训，低学历者全都没参加，我们就很难判断：收入差异究竟来自培训，还是来自学历。再进一步，如果参加培训的人无一例外都提升了技能，我们也无法知道“参加培训但技能没提升”时会怎样。
这正是中介分析容易漏掉的一道门槛：数据中必须真的存在所需的比较。2026 年 7 月 27 日提交至 arXiv 的一篇论文，把这项门槛从默认前提变成了可执行的诊断。Arthur Chatton、Geneviève Lefebvre、Mireille E. Schnitzer 和 Denis Talbot 将 Positivity Regression Trees（PoRT）扩展到多类中介效应，希望研究者在正式计算效应之前，先检查数据是否足以回答问题。
需要先说明：目前供稿中的实质信息来自论文摘要及同一团队提供的工具，属于单一信源。摘要没有披露样本量、性能指标或比较实验，因此这项工作的价值主要在诊断框架与工具化，不能据此判断它是否让估计“更准确”。
算路径之前，先看路是否存在
因果中介分析，是把一项处理对结果的影响拆开看：一部分经由中介变量传递，另一部分不经过它。培训是“处理”，技能是“中介变量”，收入是“结果”。研究者关心的不只是培训有没有用，还想知道它通过什么途径起作用。
问题在于，这种拆分需要一项名为正值性（positivity）的前提。说白了，在研究需要比较的每一类人中，各种处理状态或中介状态都必须有机会出现。如果某类人从未处于某种状态，数据就没有告诉我们他们在这种状态下会怎样。
普通的处理效应分析，通常要检查不同背景的人是否都有机会接受或不接受处理。中介分析还多了一层：在给定处理和背景条件后，中介变量的待比较取值也要有足够重叠。前面的例子中，不仅要能找到背景相近但培训状态不同的人，还要能在相应条件下比较技能提升与未提升的人。
这就是中介分析的“双重正值性”。它不是一句笼统的“样本要多”，而是两组更具体的可比性要求。论文还强调，究竟需要什么形式的正值性，取决于研究者想估计哪一种中介效应，也就是目标估量（estimand——研究最终希望用数据确定的那个效应量）。
缺的不是精度，而是答案的入口
正值性关系到可识别性。可识别性问的不是“现有样本能不能估得很准”，而是：即便样本无限大，目标效应能否由可观察数据唯一确定。
两者的区别很重要。样本少，通常意味着答案不够稳定；必要状态根本没有出现，则意味着关键比较无从建立。后者不能简单靠更复杂的统计模型补回来。模型或许能给出一个数字，但这个数字可能依赖数据没有直接支持的外推。
因此，这项工作的切入点很朴素：在估计中介效应之前，先检查支撑估计的比较是否存在。作者认为，心理科学中的因果中介分析越来越常见，但正值性很少被提及，并推测原因之一是缺少检查工具。不过，这一判断来自作者概括；摘要没有提供系统综述或统计数据，不能把它当成已经量化证实的领域现状。
PoRT 把检查扩展到中介场景
作者扩展了 Positivity Regression Trees，即“正值性回归树”。原 PoRT 面向不含中介变量的分析，用树状划分寻找可能缺少处理状态的特定人群。直观地说，它不是只看全体样本中两组人数是否平衡，而是继续追问：在某些背景条件组合下，是否只剩下一种状态。
论文把这套思路推进到中介分析，并覆盖 controlled、natural 和 interventional mediational effects。它们是三类不同的中介效应目标；由于目标问题不同，各自要求检查的正值性形式也不同。摘要没有展开三类效应的具体定义与算法步骤，但核心变化已经清楚：检查不能只盯着处理变量，还必须随目标估量检查中介变量的可比性。
作者将方法用于一项心理健康应用，并通过 port R package 和 GitHub 上的 dePoRT-notebook 提供工具。R package 是供 R 统计语言直接调用的软件包，notebook 则通常把代码、说明和运行结果放在同一份可执行文档中。对实际研究者来说，这意味着正值性不再只是一条写在方法章节里的抽象假设，而有了可以纳入分析流程的检查入口。
为什么这一步值得单独强调
中介分析很容易把注意力放在最终数字上：直接效应是多少，间接效应是多少，哪条路径占比更大。但这些数字成立之前，研究者必须确认数据提供了相应的比较。
PoRT 扩展的意义，就在于把问题顺序调了过来：不是先算出路径，再在讨论部分笼统承认假设；而是先定位哪些背景条件下缺少处理或中介状态，再决定目标效应是否适合继续估计。作者还表示，论文讨论了发现正值性问题后的后果与建议，但当前材料没有给出这些建议的具体内容。
这里也要守住一个边界。有限样本中某个分组人数很少，可能只是稀疏或“近正值性”问题；它不等于已经证明总体中某种状态绝不可能出现。诊断可以指出数据在哪些区域缺乏支持，却不能自动判定这种缺失究竟来自抽样偶然，还是来自总体层面的结构性限制。
局限与未知
- 现有摘要未披露心理健康应用的样本量、变量设置和诊断结果，无法判断方法在该案例中具体发现了什么。
- 材料没有提供性能指标、比较基线或实证改善幅度，不能声称扩展后的 PoRT 比其他检查方法更准或更好。
- 作者把原 PoRT 描述为无需对模型或数据生成过程作假设，但这是较强表述；当前材料未展示其适用条件、算法参数与理论限制，仍需结合论文正文审视。