在中介效应分析中,会出现后处理混杂变量,它既是中介变量与结局变量之间的混杂变量,又会受到前期处理变量的影响。当出现后处理混杂变量时,用传统方法估计的直接效应或间接效应可能是有偏的。近年来,边际结构模型（Marginal Structural Model,MSM）被用来解决这个问题。该模型利用逆概率权重构造一个类似完全随机对照试验的虚拟样本;在该样本中,后处理混杂变量被有效控制,从而得到无偏的直接效应或间接效应。然而,在实际问题分析中,由于测量仪器、人为因素、外界环境等因素,后处理混杂变量通常存在着测量误差,例如体重等,这会导致MSM的重要假设条件——没有不可测的混杂变量——不再成立。此时,用MSM进行中介效应分析,得到的直接效应和间接效应估计仍可能有偏或不一致。针对这一问题,本文在MSM分析中介效应的框架下,利用权威且常用的模拟外推法对后处理混杂变量的测量误差进行修正,以降低直接效应和间接效应的估计偏差。本文选取两类常用情景进行模拟研究,主要以估计偏差评价模拟效果。第一,在线性MSM（结局变量是连续型变量）分析中介效应情景下,用模拟外推法对后处理混杂变量的测量误差进行修正。根据MSM的估计特点,模拟外推法分为两类:直接模拟外推法和间接模拟外推法。主要结论如下:经过模拟外推法对测量误差进行修正之后,直接效应和间接效应的估计偏差均变小。经过模拟外推法修正后,标准差略微升高。第二,在Cox MSM（结局变量是生存时间和生存状态）分析中介效应情景下,分别用直接模拟外推法和间接模拟外推法对后处理混杂变量的测量误差进行修正。主要结论如下:直接效应和间接效应的估计偏差明显得到改善;后处理混杂变量的测量误差较小时,偏差改善较明显。经过模拟外推法修正后,标准差提高。总之,无论使用线性MSM分析中介效应,还是使用Cox MSM分析中介效应,经过模拟外推法对后处理混杂变量的测量误差修正之后,直接效应和间接效应的估计偏差均得到明显改善。这在一定程度上丰富了 MSM中混杂变量的测量误差修正理论。进一步地,基于两类情景下的模拟研究,本文使用中国老年健康影响因素跟踪调查数据,进行相应的实证分析:中国老年人（65岁及以上）睡眠在社会参与与心理幸福感二者关系之间的中介效应分析,以及中国高龄老年人（80岁及以上）心理幸福感在社会参与与死亡风险二者关系之间的中介效应分析。在两类实证研究中,均对体重的测量误差进行修正。Bootstrap法检验结果表明,中国老年人睡眠在社会参与与心理幸福感二者关系之间的中介效应有统计学意义;中国高龄老年人心理幸福感在社会参与与死亡风险二者关系之间的中介效应亦有统计学意义。也就是说,中国老年人社会参与可以部分地通过提升睡眠质量来提高心理幸福感;中国高龄老年人社会参与可以部分地通过提高心理幸福感来降低死亡风险。政策制定者或医护人员可以根据该研究结果对老年人制定相应的干预措施,从而使老年人更幸福、长寿。