存在匹配误差时链式数据的因果二次分析
统计方法学
2025-12-17 v1
摘要
观察数据获取的普及趋势以及来自多个数据源整合信息的需求，是当代数据分析中的关键挑战。记录链接是缺乏唯一标识符时用于组合数据集的常用工具。然而，链式误差如不匹配记录的存在，常常妨碍此类数据集的分析。在二次分析场景中，链接及随后的分析是分离进行的，分析师对链接质量信息有限，这一问题更为棘手。本文在常规的潜在结果因果推断框架下，研究在链式不确定性下的平均处理效应估计。为缓解直接分析将导致的偏差，我们提出一种基于估计方程的方法，将未知的匹配状态指示符视为缺失数据。该方法借助期望-最大化 (EM) 算法的一个变体，对这些指示符进行基于相应的两组件混合模型的插值。该方法可用于渐近推断。仿真研究与案例研究凸显了考虑链式不确定性的重要性，并展示了所提出方法的有效性。
引用
@article{arxiv.2512.14492,
title = {Causal Secondary Analysis of Linked Data in the Presence of Mismatch Error},
author = {Martin Slawski},
journal= {arXiv preprint arXiv:2512.14492},
year = {2025}
}