存在未测量混杂时干预变量的因果效应
统计方法学
2023-12-25 v3 应用统计
摘要
我们给出了关于存在未测量暴露-结局混杂情形下平均因果效应的新结果。我们的结果受一类估计量（例如医学与公共卫生中常关注的）的启发，而这类估计量目前并非标准平均因果效应方法所针对。我们将这些估计量识别为关于干预变量平均因果效应的查询。我们对这些估计量的引入锚定于对阿片类流行中慢性疼痛与阿片处方模式作用的研究，并说明常规方法将导致不可复现且政策含义模糊的估计。我们主张我们的替代效应是可复现的且具清晰政策含义，并且进一步可由经典前门公式非参数识别。作为一项独立贡献，我们推导了前门公式的一个新的半参数有效估计量，具有一致的样本有界性保证。该性质在此类先前描述的估计量中独有，并且我们在有限样本设置下展示了其更优性能。理论结果应用于美国国家健康与营养检查调查的数据。
引用
@article{arxiv.2305.00349,
title = {Causal effects of intervening variables in settings with unmeasured confounding},
author = {Lan Wen and Aaron L. Sarvet and Mats J. Stensrud},
journal= {arXiv preprint arXiv:2305.00349},
year = {2023}
}