匹配观察性研究中显见偏倚与隐藏偏倚在敏感性分析中的调和
统计方法学
2026-02-26 v5
摘要
匹配是观察性研究中最广泛使用的因果推断设计之一，但匹配后的混杂偏倚仍是关键关切。该偏倚包括来自已测混杂因子不精确匹配的显见偏倚，以及来自未测混杂因子的隐藏偏倚。研究者通常在匹配后例行应用著名的 Rosenbaum 型敏感性分析，以评估这些偏倚对因果结论的影响。本文中，我们表明该方法常偏保守，并可能夸大对混杂偏倚的敏感度，因为 Rosenbaum 敏感性模型的经典解可能以与匹配数据集中观测到的显见偏倚相矛盾的方式分配假想隐藏偏倚。为解决此问题，我们提出一种确保隐藏偏倚与显见偏倚相容的 Rosenbaum 型敏感性分析新方法。我们的方法无需对 Rosenbaum 型敏感性分析增添任何额外假设（除温和正则条件外），且能产出比传统 Rosenbaum 型敏感性分析统一更具信息量的敏感性分析结果。在计算上，我们的方法可通过迭代凸规划高效求解。大量模拟与真实数据应用展示了敏感性分析统计功效的显著提升。重要的是，我们的方法亦可应用于许多其他敏感性分析框架。
引用
@article{arxiv.2311.11216,
title = {Reconciling Overt Bias and Hidden Bias in Sensitivity Analysis for Matched Observational Studies},
author = {Siyu Heng and Yanxin Shen and Pengyun Wang},
journal= {arXiv preprint arXiv:2311.11216},
year = {2026}
}