未观测混杂下多处理因果推断中的贝叶斯推断与部分识别
统计方法学
2022-04-26 v2
摘要
在因果估计问题中，感兴趣的参数通常仅是部分识别的，这意味着即使拥有无限数据，该参数也无法被精确恢复。此处，我们研究具有未观测混杂的多处理因果推断问题中部分识别处理效应的贝叶斯推断。原则上，在贝叶斯范式下推断部分识别的处理效应是自然的，但结果可能对参数化与先验设定高度敏感，且常以出人意料的方式。因此，理解关于处理效应的结论中哪些方面完全由先验设定驱动至关重要。我们使用所谓的透明参数化来将更具可解释性、由科学动机驱动的先验设定对多重效应的影响情境化。我们在一个量化基因表达水平对小鼠肥胖效应的示例中展示了我们的分析。
引用
@article{arxiv.2111.07973,
title = {Bayesian Inference and Partial Identification in Multi-Treatment Causal Inference with Unobserved Confounding},
author = {Jiajing Zheng and Alexander D'Amour and Alexander Franks},
journal= {arXiv preprint arXiv:2111.07973},
year = {2022}
}