关于因果效应估计中协变量调整选择的效率问题
统计方法学
2023-05-29 v1
摘要
为了从观测数据中获得因果效应的无偏且高效的估计量，用于混杂调整的协变量选择成为因果推断中的一项重要任务。尽管近期在构建有效且高效的调整集的图准则方面取得了进展，这些方法往往依赖于在实践中可能不成立的假设。我们考察了现有无图协变量选择方法在有效性与效率两方面的性质，强调了在存在隐变量时产生无效调整集的潜在危险。为解决此问题，我们提出了一种新颖的无图方法，称为 CMIO，其改编自带有一组因果约束的混合整数优化（MIO）。我们的结果表明，CMIO 优于现有的最先进方法，并提供理论上有依据的输出。此外，我们给出了 CMIO 的修订版本，能够处理缺乏因果充分性与图信息的场景，为因果推断提供高效且有效的协变量调整。
引用
@article{arxiv.2305.16908,
title = {On efficient covariate adjustment selection in causal effect estimation},
author = {Hongyi Chen and Maurits Kaptein},
journal= {arXiv preprint arXiv:2305.16908},
year = {2023}
}