Temos o prazer de convidar a todos para o seminário do Programa de Pós-Graduação em Estatística da UFRGS (PPGEst-UFRGS) em 2026.
Título: Extending Causal Mediation Analysis to Categorical Latent Variables.
Short Bio: Leila Amorim é Bacharel em Estatística, pela UFBA, e Mestre em Saúde Comunitária pelo Instituto de Saúde Coletiva, também da UFBA, além de Doutora em Bioestatística pela University of North Carolina at Chapel Hill, onde também realizou estágio pós-doutoral. Atualmente, é Professora Titular do Departamento de Estatística da UFBA e Vice-Coordenadora do Programa de Pós-Graduação em Estatística e Ciência de Dados. Coordena dois grupos de pesquisa do CNPq, incluindo o LInCa [Laboratório de Inferência Causal e Aplicações], voltado ao desenvolvimento de metodologias estatísticas em inferência causal. É membro titular da Academia de Ciências da Bahia (ACB), na área de Ciências Exatas, Agrárias e da Terra. Sua trajetória acadêmica é marcada por uma atuação interdisciplinar em Bioestatística, com foco no desenvolvimento, aprimoramento e disseminação de metodologias estatísticas aplicadas à saúde pública. Destaca-se também pelo compromisso com a formação de recursos humanos, atuando de forma integrada no ensino, pesquisa e extensão, tanto na graduação quanto na pós-graduação. Entre suas principais contribuições científicas estão o desenvolvimento de métodos estatísticos para análise de eventos recorrentes em dados censurados, modelagem com respostas distais, análise de dados com estruturas de dependência (dados longitudinais e provenientes de amostragem em conglomerados) e estimação de efeitos de mediação causal em cenários complexos, incluindo a presença de variáveis latentes.
Resumo: Elucidating the mechanisms and causal pathways underlying associations among variables is fundamental to the advancement of scientific knowledge and the rigorous investigation of complex phenomena. Within the causal mediation framework, the total effect of an intervention on an outcome is typically decomposed into the natural direct effect (NDE) and the natural indirect effect (NIE). While a substantial body of literature addresses mediation analysis, comparatively little attention has been given to settings in which key variables are latent and categorical, as defined through latent class analysis (LCA). In this work, we extend existing methodologies for the estimation of causal mediation effects by explicitly incorporating latent components into the analytical framework. The performance of the proposed approaches is evaluated via simulation studies, encompassing both regression-based models and marginal structural models, under scenarios in which the mediator and/or the outcome is latent. An empirical application is provided using data from an intervention aimed at promoting healthy behaviors among high school students in Brazil. The proposed methodological developments have broad applicability and may be readily extended to a wide range of substantive research contexts.
Data: 04/08/2026
Horário: 13:30
O seminário acontecerá na modalidade Online e poderá ser assistido pelo link: https://mconf.ufrgs.br/webconf/ppgest