因果推断中充分调整集的穷举选择
统计方法学
2024-08-20 v1
摘要
满足可忽略性假设的预测变量子向量，其指标集称为充分调整集，对于基于观测数据进行可靠的因果推断至关重要。本文首次提出了一类通用方法，用于检测文献中所有此类充分调整集，不对结果模型施加参数假设，并对处理组内的预测变量采用灵活的参数和半参数假设；后者诱导了所需的样本级精度。我们证明，充分调整集的集合可以独特地促进因果推断中的多种研究类型，包括细化平均因果效应的估计以及从预测变量的依赖结构中恢复结果与处理之间的基本联系。这些发现通过仿真研究和末尾的真实数据示例加以说明。
引用
@article{arxiv.2408.09415,
title = {An exhaustive selection of sufficient adjustment sets for causal inference},
author = {Wei Luo and Fei Qin and Lixing Zhu},
journal= {arXiv preprint arXiv:2408.09415},
year = {2024}
}