causalBETA：一个用于事件时间结局贝叶斯半参数因果推断的 R 包
统计方法学
2023-10-23 v2 应用统计
摘要
观察性研究常用于估计处理或暴露对事件时间结局的因果效应。由于观察性研究中处理未随机化，需要调整混杂的因果推断技术。贝叶斯因果推断方法因其提供以下优势而备受青睐：1）先验平滑对因果效应估计提供有用的正则化；2）对误设定具有鲁棒性的灵活模型；3）因果估计量的完整推断（即点估计与不确定性估计）。然而，贝叶斯因果推断难以手动实现，且缺乏用户友好的软件，这对广泛应用构成了重大障碍。我们通过开发 causalBETA（Bayesian Event Time Analysis，贝叶斯事件时间分析）——一个使用贝叶斯半参数模型估计事件时间结局因果效应的开源 R 包——来弥补这一差距。该包为用户提供熟悉的前端，其语法与 survival 等现有生存分析 R 包相同。同时，它后端连接 Stan——一个流行的贝叶斯建模与高性能统计计算平台——以进行高效的后验计算。为改善用户体验，该包使用定制的 S3 类对象和方法构建，以便使用 plot() 和 summary() 等熟悉的泛型函数促进结果的可视化与汇总。在本文中，我们提供该包的方法论细节、使用公开数据的演示以及计算指导。
引用
@article{arxiv.2310.12358,
title = {causalBETA: An R Package for Bayesian Semiparametric Causal Inference with Event-Time Outcomes},
author = {Han Ji and Arman Oganisian},
journal= {arXiv preprint arXiv:2310.12358},
year = {2023}
}