处理效应的非参数界与敏感性分析
统计方法学
2015-03-06 v1
摘要
本文考虑对处理（或暴露）对感兴趣结果的影响进行推断。在理想情况下，处理是随机分配的，在某些假设下，处理效应可从观测数据中识别，推断是直接的。然而，在其他设置中，如观察性研究或存在不依从的随机试验，若不依赖不可检验的假设，处理效应不再可识别。尽管如此，观测数据通常确实提供关于处理效应的一些信息，即感兴趣的参数部分是可识别的。在此设置下通常采用两种方法：(i) 在最小假设下推导处理效应的界，或 (ii) 引入使处理效应可识别的额外不可检验假设，然后进行敏感性分析以评估随着不可检验假设的变化，关于处理效应的推断如何改变。方法 (i) 和 (ii) 在各种设置中被考虑，包括评估主层效应、直接与间接效应以及时变暴露的效应。还讨论了针对部分可识别参数进行正式推断的方法。
引用
@article{arxiv.1503.01598,
title = {Nonparametric Bounds and Sensitivity Analysis of Treatment Effects},
author = {Amy Richardson and Michael G. Hudgens and Peter B. Gilbert and Jason P. Fine},
journal= {arXiv preprint arXiv:1503.01598},
year = {2015}
}
备注
Published in at http://dx.doi.org/10.1214/14-STS499 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)