半参数近端因果推断
统计方法学
2023-02-22 v4 统计理论
统计理论
摘要
在对观测数据做出因果推断时，对无未测量混杂（亦称可交换性）假设的怀疑往往是合理的；因为可交换性取决于研究者能否准确测量捕获所有潜在混杂来源的协变量。在实践中，人们最多只能期望协变量测量充其量是给定观测研究中真实潜在混杂机制的近似替代。本文考虑由 Miao 等人 (2018)、Tchetgen Tchetgen 等人 (2020) 提出的近端因果推断框架，该框架在明确承认协变量测量作为混杂机制的不完美替代的同时，为在基于已测协变量的可交换性不成立的情况下学习因果效应提供了可能。我们对近端推断做出了若干贡献，包括：(i) 平均处理效应的非参数近端识别的一组替代条件；(ii) 平均处理效应近端估计的一般半参数理论，含感兴趣的关键半参数模型的效率界；(iii) 平均处理效应的近端双重稳健与局部高效估计量的刻画。此外，我们给出了处理组平均处理效应的类似识别与效率结果。我们的方法通过模拟研究以及一项关于评估危重患者重症监护病房中右心导管置入有效性的数据应用加以说明。
引用
@article{arxiv.2011.08411,
title = {Semiparametric proximal causal inference},
author = {Yifan Cui and Hongming Pu and Xu Shi and Wang Miao and Eric Tchetgen Tchetgen},
journal= {arXiv preprint arXiv:2011.08411},
year = {2023}
}