因果森林模型中插入试验参与相关变量的有限样本偏差-方差权衡以确保泛化性
统计方法学
2026-05-15 v3 应用统计
摘要
从随机对照试验（RCT）中估计条件平均处理效应（CATE）并将其推广至更广泛的人群，对于个性化治疗规则的制定至关重要，但受限于试验参与带来的选择偏差以及可能的高维协变量。我们评估了因果森林CATE估计策略的有限样本偏差-方差权衡以应对选择偏差。识别理论表明，当将与试验参与相关的协变量纳入CATE估计模型时，可以实现无偏的CATE估计。然而，模拟研究表明，在真实的RCT样本量下，高维协变量引起的方差膨胀往往超过了适度的偏差减少。在我们定义源总体和选定试验样本中个体处理效应（ITE）的数据生成过程中，将超过3个与参与相关的协变量纳入因果森林会显著降低精度，除非样本量足够大。相比之下，基于逆概率加权（IPW）的方法在所有场景中始终提升了性能。应用于omega-3脂肪酸与冠心病的RCT案例说明了IPW如何将CATE估计转向源总体效应并细化异质性评估。我们的发现强调，将试验选择变量纳入CATE估计模型可能会膨胀估计量方差并降低ITE预测性能。单独解决选择偏差（例如通过IPW）将是一种合理的策略。
引用
@article{arxiv.2506.12296,
title = {Finite-sample bias-variance tradeoff with variables related to trial participation inserted into causal forest models for ensuring generalizability},
author = {Rikuta Hamaya and Etsuji Suzuki and Konan Hara},
journal= {arXiv preprint arXiv:2506.12296},
year = {2026}
}
备注
4 figures