Covid-19 疫情下的因果推断
统计方法学
2021-08-25 v2 应用统计
摘要
本文发展了用于传染病中因果推断的统计方法。我们的重点在于估计社会流动性对 Covid-19 大流行中死亡人数的影响。我们提出了一个由基本传染病模型的修正版本所启发的边际结构模型。我们估计了在流动性干预下的反事实死亡时间序列。我们进行了多种类型的敏感性分析。我们发现数据支持减少流动性导致减少死亡这一观点，但结论附带注意事项。存在对模型误设定和未测量混杂的敏感性证据，这意味着因果效应的规模需要谨慎解释。尽管该效应是真实存在的几乎无疑问，我们的工作凸显了从大流行数据中提取因果推断的挑战。
引用
@article{arxiv.2103.04472,
title = {Causal Inference in the Time of Covid-19},
author = {Matteo Bonvini and Edward Kennedy and Valerie Ventura and Larry Wasserman},
journal= {arXiv preprint arXiv:2103.04472},
year = {2021}
}