匹配观察性研究中隐藏偏差分位数的敏感性分析
统计方法学
2025-01-03 v2 应用统计
摘要
观察性研究中的因果结论可能对未测量的混杂因素敏感。在此类情况下,常进行敏感性分析,试图推断解释掉处理与结局间观测关联所需的最小隐藏偏差量或最小未测量混杂强度。若所需偏差较大,则处理很可能具有显著效应。Rosenbaum敏感性分析是在匹配观察性研究中开展敏感性分析的现代方法。它考察所有匹配集中隐藏偏差的最大值需达到何种量级才能解释掉观测关联。然而,此类敏感性分析可能过于保守与悲观,尤其当研究者怀疑某些匹配集可能存在异常大的隐藏偏差时。本文中,我们将Rosenbaum框架推广至对所有匹配集隐藏偏差的分位数进行敏感性分析,其比最大值更稳健。此外,所提敏感性分析对所有隐藏偏差分位数同时有效,因此是附加于常规敏感性分析之上的免费午餐。所提方法适用于一般结局、一般匹配研究与一般检验统计量。另外,我们证明当检验统计量满足特定性质时,所提敏感性分析亦适用于有界原假设。实现所提方法的R包已在线提供。
引用
@article{arxiv.2309.06459,
title = {Sensitivity Analysis for Quantiles of Hidden Biases in Matched Observational Studies},
author = {Dongxiao Wu and Xinran Li},
journal= {arXiv preprint arXiv:2309.06459},
year = {2025}
}