The aim of this thesis is to develop and explore models in, and related to, the sufficient cause framework, and additive interaction. Additive interaction is closely connected with public health interventions and can be used to make inferences about the sufficient causes in order to find the mechanisms behind an outcome, for instance a disease.

In paper A we extend the additive interaction, and interventions, to include continuous exposures. We show that there does not exist a model that does not lead to inconsistent conclusions about the interaction.

The sufficient cause framework can also be expressed using Boolean functions, which is expanded upon in paper B. In this paper we define a new model based on the multifactor potential outcome model (MFPO) and independence of causal influence models (ICI).

In paper C we discuss the modeling and estimation of additive interaction in relation to if the exposures are harmful or protective conditioned on some other exposure. If there is uncertainty about the effects direction there can be errors in the testing of the interaction effect.

Målet med denna avhandling är att utveckla, och utforska modeller i det så kallade sufficent cause ramverket, och additiv interaktion. Additiv interaktion är nära kopplat till interventioner inom epidemiology och sociologi, men kan också användas för statistiska tester för sufficient causes för att förstå mekanimser bakom ett utfall, tex en sjukdom.

I artikel A så expanderar vi modellen för additiv interaktion och interventioner till att också inkludera kontinuerliga variabler. Vi visar att det inte finns någon modell som inte leder till motsägelser i slutsatsen om interaktionen.

Sufficient cause ramverket kan också utryckas via Boolska funktioner, vilket byggs vidare på i artikel B. I den artikeln definerar vi en modell baserad på mutltifactor potential outcome modellen (MFPO) och independence of causal influence modellen (ICI).

I artikel C diskuterar vi modelleringen och estimering av additiv interaktion i relation till om variablerna har skadlig eller skyddande effekt betingat på någon annan variabel. Om det finns osäkerhet kring en effekts riktning så kan det leda till fel i testerna för den additiva interaktionen.