处理机制独立缺失假设下非随机缺失混杂因素的因果推断

当混杂因素存在缺失时，观察性研究中的因果推断可能具有挑战性。通常，当混杂因素为非随机缺失时，即使在限制性参数模型假设下，因果效应的识别也无法保证。为解决此问题，我们提出了一个通用框架，用于在混杂因素满足处理无关缺失假设时建立因果效应的识别，该假设意味着给定结果和可能缺失的混杂因素，缺失数据机制独立于处理。我们特别关注了连续和二元结局的常用模型，并提供了识别失败的反例。对于估计，我们为模型参数提供了一种加权估计方程方法，并基于估计模型提出了三种平均因果效应估计量。我们通过模拟评估了估计量的有限样本性能。我们进一步利用来自国家健康与营养调查的真实数据集说明了所提出的方法。