面向系统性识别和分析因果推断中多重偏误的路线图
统计方法学
2026-02-12 v2 其他统计学
摘要
观察性研究中对因果效应的探讨依赖不可验证的假设，违反这些假设会导致多重偏误。定量偏误分析（QBA）方法通过在替代假设下生成估计值来检验发现对此类违反的敏感性，通常会纳入外部信息。虽然已有大量关于实施 QBA 的指导方针，但关于如何系统性确定支撑 primary 因果分析的假设以及应指导偏误分析的潜在违反的指导方针有限。因此，许多假设保持隐式，导致选择性且因此具有误导性的 QBA。为填补这一空白，我们提出了系统性识别和分析因果推断中多重偏误的路线图。简而言之，这包括：（1）通过 specifying 和 emulation 定义因果估计量的理想试验并绘制这些假设的因果图；（2）扩展该图以描绘可能引发偏误的替代假设；（3）获得一个同时纠正所有潜在偏误的单一估计。我们以探讨乳糜疱对儿童哮喘风险影响的研究为例说明该路线图，并通过仿真研究说明单独而非联合分析多重偏误的必要性。
引用
@article{arxiv.2504.08263,
title = {A roadmap for systematic identification and analysis of multiple biases in causal inference},
author = {Rushani Wijesuriya and Rachael A. Hughes and John B. Carlin and Rachel L. Peters and Jennifer J. Koplin and Margarita Moreno-Betancur},
journal= {arXiv preprint arXiv:2504.08263},
year = {2026}
}
备注
12 Pages, 4 Figures