多维处理的半参数因果充分降维
统计方法学
2022-06-15 v4
摘要
因果关系通常通过比较结果响应与二元处理值来评估，这代表了假设随机对照试验的两个组别。然而，在某些应用中，感兴趣的处理是连续且多维的。例如，理解辐射治疗严重程度（由多维辐射暴露值向量总结）与治疗后副作用之间的因果关系，是放射肿瘤学中的一个临床兴趣问题。做出可解释因果结论的适当策略是降低处理的维度。如果多维处理向量的各个元素对结果影响微弱，但处理与结果之间的整体关系很强，那么粗心的降维方法可能无法保留这种关系。此外，为回归问题开发的方法由于混杂因素的复杂性，不能直接转移到因果推断中。在本文中，我们利用结构模型的半参数推断理论，为多维处理提供一种因果充分降维的通用方法，以保留处理与结果之间的因果关系。我们通过模拟和放射肿瘤学中的真实数据应用说明了我们提议方法的实用性。
引用
@article{arxiv.1710.06727,
title = {Semiparametric Causal Sufficient Dimension Reduction Of Multidimensional Treatments},
author = {Razieh Nabi and Todd McNutt and Ilya Shpitser},
journal= {arXiv preprint arXiv:1710.06727},
year = {2022}
}