在结果独立的 MNAR 混淆效应下的因果效应边界与灵敏度分析
统计方法学
2024-11-04 v2 机器学习
机器学习
摘要
我们报告了在混淆变量缺失不在随机 (MNAR) 情况下，对潜在结果在暴露与非暴露下的概率差异进行的无假设下边界。我们假设缺失机制与结果独立。我们还报告了一种用于补充边界的灵敏度分析方法。
引用
@article{arxiv.2410.06726,
title = {Bounds and Sensitivity Analysis of the Causal Effect Under Outcome-Independent MNAR Confounding},
author = {Jose M. Peña},
journal= {arXiv preprint arXiv:2410.06726},
year = {2024}
}