通过测试因果机制的独立性来检验无混杂假设

在估计观察性研究中的处理效应时，最大的挑战之一是依赖不可检验的条件，例如无测量混杂的假设。在本文中，我们提出了一个算法，可在来自多个异构数据源（我们称为环境）的观察数据中检验无测量混杂的假设。我们提出的检验策略利用了一个关键观察：无测量混杂可能导致观察到的因果机制呈现相关性。基于这一观察，我们开发了一种新颖的两阶段程序，在控制假阳性的同时以高统计功效检测到这些相关性。该算法不需要获取随机数据，并且与其他检验方法不同，即使该环境对感兴趣的结果具有直接影响，也能正常工作。为了展示我们方法的实际相关性，我们在模拟数据和半合成数据上显示，我们的方法能够有效检测混杂现象。