构建g-计算估计量：选择偏倚的两个案例研究
统计方法学
2025-08-01 v2
摘要
g-计算是一种有用的估计方法，可被调整用于应对流行病学中的各种偏倚。然而，这些调整对于某些复杂的因果结构而言可能并不明显。这一挑战是更广泛问题的例证，即如何将因果图转化为新的估计策略。为突出这些挑战，我们考虑了选择偏倚文献中的两个近期案例：由治疗引发的选择偏倚以及缺乏联合调整集的偏倚共存。对于每个案例研究，我们展示了g-计算如何被调整，描述了如何实施该调整，阐述了一些通用统计性质，并通过模拟说明了估计量。为简化估计量的理论研究和实际应用，我们将所提出的g-计算估计量表示为堆叠估计方程。这些例子说明了流行病学家如何将识别结果转化为g-计算估计量，并研究新估计量的理论和有限样本性质。
引用
@article{arxiv.2506.03347,
title = {Constructing g-computation estimators: two case studies in selection bias},
author = {Paul N Zivich and Haidong Lu},
journal= {arXiv preprint arXiv:2506.03347},
year = {2025}
}