非可忽略缺失协变量、处理和结果下的条件平均处理效应识别与估计
统计方法学
2026-02-24 v1
摘要
处理效应的异质性是政策评估、社会科学和精密医学的核心，其中干预可对个体产生不同影响。在观察性研究中，协变量、处理和结果常常只部分被观察。当缺失性依赖于未观察值（非随机缺失；MNAR）时，标准方法可能导致条件平均处理效应（CATE）的估计偏差。本文在允许协变量、处理和结果为 MNAR 的多变量缺失机制下，建立了 CATE 的非参数识别。它还开发了非参数和参数估计器，并提出了一种灵敏度分析框架，用于评估对缺失性假设违反的鲁棒性。
引用
@article{arxiv.2602.19378,
title = {Identification and estimation of the conditional average treatment effect with nonignorable missing covariates, treatment, and outcome},
author = {Shuozhi Zuo and Yixin Wang and Fan Yang},
journal= {arXiv preprint arXiv:2602.19378},
year = {2026}
}