基于条件矩约束的观测性研究内部与外部效度证伪
统计方法学
2023-03-07 v2 机器学习
摘要
随机对照试验（RCT）被用于评估新疗法，但在指导个性化治疗决策方面效力有限。另一方面，观测性（即非实验性）研究拥有庞大且多样的人群，但易受各种偏倚（例如残余混杂）影响。为安全利用观测性研究的优势，我们聚焦于证伪问题，即利用 RCT 来验证从观测数据中学习到的因果效应估计。具体而言，我们表明，给定来自 RCT 和一项观测性研究的数据，关于内部效度和外部效度的假设具有一种可观测、可检验的蕴含形式，即一组条件矩约束（CMRs）。此外，我们表明，相对于个体反事实均值，以因果效应或“因果对比”来表达这些 CMRs 可提供更可靠的证伪检验。除给出我们检验的渐近性质保证外，我们还在半合成和真实世界数据集上展示了该方法在检验效能和第一类错误方面优于现有方法。我们的方法具有可解释性，使从业者能够可视化人群中导致观测性研究被证伪的子群。
引用
@article{arxiv.2301.13133,
title = {Falsification of Internal and External Validity in Observational Studies via Conditional Moment Restrictions},
author = {Zeshan Hussain and Ming-Chieh Shih and Michael Oberst and Ilker Demirel and David Sontag},
journal= {arXiv preprint arXiv:2301.13133},
year = {2023}
}
备注
Artificial Intelligence and Statistics 2023