因果保序回归
统计方法学
2019-12-18 v2
摘要
在观察性研究中，潜在的混杂因素可能扭曲暴露与结局之间的因果关系。然而，在某些条件下，可使用G-computation公式恢复因果剂量-反应曲线。当暴露为连续变量时，大多数估计此类曲线的经典方法依赖于限制性的参数假设，这带来了显著的模型误设风险。在此背景下的非参数估计具有挑战性，因为在非参数模型中这些曲线无法以常规速率估计。许多现有的非参数估计量对特定调谐参数的选择敏感，且利用此类估计量进行有效推断可能较为困难。在本工作中，我们提出一种已知为单调的因果剂量-反应曲线的非参数估计量。我们表明，我们提出的估计过程推广了单调回归函数的经典最小二乘保序回归估计量。具体而言，它不涉及调谐参数，且对暴露变量的严格单调变换具有不变性。我们描述了所提估计量的理论性质，包括其不规则极限分布以及进行双重稳健推断的潜力。此外，我们通过数值研究说明其性能，并用其评估HIV疫苗试验中BMI与免疫反应之间的关系。
引用
@article{arxiv.1810.03269,
title = {Causal isotonic regression},
author = {Ted Westling and Peter Gilbert and Marco Carone},
journal= {arXiv preprint arXiv:1810.03269},
year = {2019}
}