利用贝叶斯非参数方法评估因果推断中共同支撑的缺失：对评估母乳喂养对儿童认知结果影响的启示

观察性研究中的因果推断通常需要在不相似的组之间进行比较。例如，研究 prolonged 母乳喂养时长对儿童结果影响的研究人员，可能被迫在平均特征存在显著差异的女性群体之间进行比较。在极端情况下，协变量空间的某些邻域内可能不存在足够数量的两类女性（即 prolonged 母乳喂养者与未母乳喂养者），从而无法对这些女性进行推断。这被称为缺乏共同支撑（lack of common support）。当我们试图为缺乏共同支撑的单元估计因果效应时会出现问题，因此我们可能希望避免对此类单元进行推断。如果关于一组潜在混杂因素的可忽略性（ignorability）得到满足，那么识别共同支撑假设是否成立或对哪些单元成立是一个实证问题。然而，在满足可忽略性通常所需的高维协变量空间中，这种识别可能并非易事。现有解决此问题的方法往往依赖于参数假设，且大多数（如果不是全部的话）忽略了响应变量中嵌入的信息。我们区分了“共同支撑”和“共同因果支撑”的概念。我们提出了一种识别共同因果支撑的新方法，以解决现有方法的一些不足之处。我们利用美国国家青年纵向调查（National Longitudinal Survey of Youth）的数据来激励并说明该方法，用以估计母乳喂养至少九个月对五至六岁儿童阅读和数学成绩的影响。我们还在已知真实处理效应的假设示例和模拟中评估了该方法的比较性能。