揭示真相：通过高斯求积计算因果推断模拟研究中的真实值
统计方法学
2026-01-09 v1
摘要
模拟研究用于理解统计方法的性质。许多模拟研究中的一个关键优势是已知所 targeting 的真实值（即 estimand）。凭借这一先知信息，进行模拟研究的研究者可以在数据的重复实现中评估给定方法恢复真实值的程度。在因果推断模拟研究中，真实值很少是所选用于生成数据的统计模型的简单参数。相反，estimand 通常是平均处理效应，对混杂因子和/或中介因子的分布进行边缘化。幸运的是，这些变量通常由常见分布生成，如正态分布、均匀分布、指数分布或伽马分布。对于所有这些分布，高斯求积为具有源自已知概率密度函数的积分核的被积函数提供了高效且准确的计算。我们通过四个应用演示了如何使用高斯求积准确高效地计算真实的因果 estimand。我们还将 Gauss-Hermite 求积与作为基准的蒙特卡洛积分方法进行了优缺点比较。总体而言，我们证明了高斯求积是一种计算时间可忽略的准确工具，但在模拟研究中用于计算真实因果 estimand 时却未被充分利用。
引用
@article{arxiv.2601.05128,
title = {Revealing the Truth: Calculating True Values in Causal Inference Simulation Studies via Gaussian Quadrature},
author = {Alex Ocampo and Enrico Giudice and Zachary R. McCaw and Tim P. Morris},
journal= {arXiv preprint arXiv:2601.05128},
year = {2026}
}