基于差异性协变量分类的预测：以医学风险评估中的协变量分类为例
计量经济学
2025-12-08 v2
摘要
在循证决策中,一种常见的做法是利用研究中估计的条件概率 P(y|x),根据观测到的协变量 x 来预测结果 y。在获得该信息后,决策便基于这些预测结果进行。研究人员通常假设,生成证据时所使用的预测变量与应用证据时所使用的预测变量是相同的:即两种情形下 x 的含义一致。然而在现实场景中,这一假设未必成立。从临床实践到教育政策,在众多领域中,人口学属性(如年龄、种族、民族)在研究中的分类方式往往与决策场景中的分类方式不同。本文研究此类情形下的识别问题。我们提出了一个用于所谓"差异性协变量分类(DCC)"预测的形式化框架,并在此框架下分析概率预测的部分识别,评估各种假设如何影响识别区间。我们将该研究应用于一系列场景,主要聚焦于临床医学中对个体种族与民族的差异性分类。我们发现,P(y|x) 的边界可能很宽,而能够收窄这些边界的信息仅在特殊情形下才可获得。这些发现凸显了在决策中使用证据时所面临的一个重要问题,而该问题在关于公共政策与医学中分类的讨论中尚未得到充分重视。
引用
@article{arxiv.2501.02318,
title = {Prediction with Differential Covariate Classification: Illustrated by Covariate Classification in Medical Risk Assessment},
author = {Atheendar S. Venkataramani and Charles F. Manski and John Mullahy},
journal= {arXiv preprint arXiv:2501.02318},
year = {2025}
}