用于发现和应对随机正性问题的诊断方法——聚焦连续处理

正性假设是识别因果效应的核心，而随机正性变体是许多应用研究者面临的问题，但很少被讨论，尤其是在连续处理或修正处理策略的语境下。应对违反正性的一个常见建议是改变估计量。然而，应用研究者面临两个问题：第一，她如何在不首先估计模型的情况下判断是否存在随机正性违反？第二，如果她发现随机正性问题，她应该如何改变估计量以获得一个不会面临相同问题的估计量？我们提出了一种新型诊断方法，通过提供关于使用现有数据对某个估计量进行估计的程度的见解，帮助研究者回答这两个问题。我们对不同随机正性违反水平下不同修正处理策略（MTP）的一般行为进行了模拟研究，并展示了该诊断方法如何帮助理解偏差可能出现在何处。我们在基于 CHAPAS-3 试验数据（比较不同儿童 HIV 治疗方案）的药物流行病学研究中展示了所提出诊断方法的应用。