中文

可泛化性与可迁移性综述

统计方法学 2022-10-21 v1 应用统计 机器学习

摘要

在评估因果效应时,确定结果旨在泛化至的目标人群是一项关键决策。随机研究与观察性研究在估计目标人群中的因果效应方面各有优势与局限。来自随机数据的估计可能具有内部效度,但往往不能代表目标人群。观察性数据可能更好地反映目标人群,从而更可能具有外部效度,但会受到未测量混杂导致的潜在偏倚影响。尽管因果推断文献多聚焦于解决内部效度偏倚,但目标人群中无偏估计同时需要内部与外部效度。本文提出一个解决外部效度偏倚的框架,综合了可泛化性与可迁移性的各类方法、其所必需的假设,以及处理效应异质性与研究人群和目标人群间差异的检验。

关键词

引用

@article{arxiv.2102.11904,
  title  = {A Review of Generalizability and Transportability},
  author = {Irina Degtiar and Sherri Rose},
  journal= {arXiv preprint arXiv:2102.11904},
  year   = {2022}
}

备注

30 pages, 3 figures