协变量偏移校正的条件随机化检验
统计方法学
2024-05-30 v1
摘要
条件独立性检验在多个学科中至关重要，用于确定结果变量与处理变量在给定一组混杂变量条件下的独立性。条件随机化检验(CRT)通过假设的分布已知，提供了一个强大的检验框架；它精确控制第一类错误，允许使用灵活的黑盒检验统计量。在实践中，条件独立性检验通常涉及使用源人群的数据来推断目标人群的结论。由于协变量偏移——、和替代变量分布上的差异，可能影响的条件分布——这带来了挑战，使得传统的CRT方法失效。为了解决这个问题，我们提出了一种新颖的协变量偏移校正皮尔逊卡方条件随机化(csPCR)检验。该检验通过整合重要性权重并采用控制变量法来降低检验统计量的方差从而增强功效，从而适应协变量偏移。理论上，我们证明了csPCR检验渐近控制第一类错误。通过模拟研究，我们实证表明我们的方法不仅保持了对第一类错误的控制，而且表现出优越的功效，证实了其在协变量偏移普遍存在的现实场景中的有效性和实用性。最后，我们将我们的方法应用于一个真实数据集，以评估COVID-19治疗对患者90天死亡率的影响。
引用
@article{arxiv.2405.19231,
title = {Covariate Shift Corrected Conditional Randomization Test},
author = {Bowen Xu and Yiwen Huang and Chuan Hong and Shuangning Li and Molei Liu},
journal= {arXiv preprint arXiv:2405.19231},
year = {2024}
}