基于残差的非线性回归：具有时变处理与协变量的因果估计
统计方法学
2024-03-12 v3 统计计算
摘要
当存在时变处理效应和时变协变量时，标准回归调整给出的因果效应估计是不一致的。粗略地说，问题在于某些协变量是处理后变量，因为它们可能受先前处理状态的影响，而将处理后变量回归掉会导致偏倚。更精确地说，偏倚源于某些在因果图中产生对撞节点的非混杂潜在变量。这些我们称之为幻影（phantoms）的潜在变量不会损害因果效应的可识别性，但会使朴素的回归估计不一致。受此启发，我们提出：如何改进回归方法，使其即便在存在幻影时仍成立？我们针对该设定开发了一种基于回归建模（线性、对数线性、probit 与 Cox 回归）的估计量，证明其对于合理的因果估计量是一致的。特别地，该估计量是一个经过简单共线性调整的回归模型拟合，易于理解并使用标准回归软件实现。所提出的估计量是参数化 g-公式的实例，将残差回归方法扩展到若干典型非线性模型。
引用
@article{arxiv.2201.13451,
title = {Nonlinear Regression with Residuals: Causal Estimation with Time-varying Treatments and Covariates},
author = {Stephen Bates and Edward Kennedy and Robert Tibshirani and Valerie Ventura and Larry Wasserman},
journal= {arXiv preprint arXiv:2201.13451},
year = {2024}
}