存在干扰、治疗不依从与结果缺失时两阶段随机实验的贝叶斯分析

现代复杂实验中常出现的三个因果推断关键问题是干扰、治疗不依从与结果缺失。大量研究努力已致力于分别解决这些问题的因果推断方法学。然而，能同时处理这些问题的方论尚缺。我们提出一种贝叶斯因果推断方法学以填补此空白。我们的方法学扩展了已有的因果框架与方法，具体而言即两阶段随机实验与主分层框架。与现有调用强结构假设以识别主因果效应的方法不同，我们的贝叶斯方法使用灵活的分布模型，可容纳干扰与结果缺失的复杂性，并确保主因果效应是弱可识别的。我们通过模拟研究以及对印度国家健康保险计划评估中真实数据的再分析来阐释我们的方法学。我们的方法学使我们能识别出过往分析中未识别出的新活跃因果效应。最终，我们的模拟研究与案例研究展示了我们的方法学如何在具干扰、治疗不依从、结果缺失及复杂结果生成机制的现代实验中产生更具信息量的分析。