在目标研究中处理数据缺失时平均处理效应的估计
统计方法学
2025-09-29 v1 应用统计
摘要
研究人员经常对理解处理干预的因果效应感兴趣。然而，在某些情况下，在随机对照试验（RCT）中容易获得的感兴趣处理，在观测数据集中要么未被直接测量，要么完全不可用。这一挑战促使了随机增量倾向得分干预方法的发展，该方法作用于受感兴趣处理影响的后处理暴露，旨在近似处理干预的因果效应。但是，一个关键挑战在于，由处理引起的这些后处理暴露的精确分布偏移通常是未知的，这使得该近似是否真正反映了感兴趣的因果效应变得不确定。本文的主要目标是探索数据整合方法，以表征外部数据集中由处理产生的后处理暴露分布，并利用此信息在观测数据缺乏处理信息且外部数据可能不包含感兴趣结果测量的情况下，估计处理干预下的反事实平均结果。我们将讨论该方法所需的底层假设，并提供关于应对这些挑战的估计策略的方法学指导。
引用
@article{arxiv.2509.22543,
title = {Estimating average treatment effects when treatment data are absent in a target study},
author = {Lan Wen and Aaron L Sarvet},
journal= {arXiv preprint arXiv:2509.22543},
year = {2025}
}