估计时变处理效应中的不规则测量时间：偏差分类与调整方法比较

为了从观测数据中估计随时间变化的处理因果效应，必须调整时变混淆。处理混淆的常用方法是使用逆处理概率加权方法。然而，协变量测量的时间通常是不规则的，这可能会在因果效应估计中引入额外的混淆偏差和选择偏差。已经提出了两种重加权方法来调整这些偏差：时间作为混淆变量和按测量时间重加权。然而，目前尚不清楚在哪些情况下这些不规则时间测量会引入偏差，以及在不同情况下可用的重加权方法如何相互比较。在这项工作中，我们提供了所有可能引入偏差的后门路径的完整清单。基于这些路径，我们区分了由测量时间引起的三类混淆偏差：直接混淆（DC）、通过测量变量的混淆（CMV）和通过未测量变量的混淆（CUV）。这些类别在调整偏差所需的假设和重加权方法上有所不同，并且可能与选择偏差同时发生。通过模拟研究，我们说明：1. 按测量时间重加权可用于调整选择偏差和通过测量变量的混淆；2. 时间作为混淆变量可用于调整所有类别的混淆偏差，但不能调整选择偏差；3. 在某些情况下，结合使用两种技术可用于同时调整混淆和选择偏差。最后，我们将分类和重加权方法应用于pre-DIVA数据集。调整测量时间对于避免偏差至关重要，我们引入的偏差分类和技术可能有助于研究人员选择适当的分析方法。