通过未测量混杂比例的敏感性分析

在观察性研究中，平均处理效应(ATE)的识别通常通过假定已测量正确混杂变量集并恰当地包含在相关模型中来实现。由于该假定既强又不可检验，应进行敏感性分析。常见方法包括直接对偏倚建模或改变倾向得分以探查潜在未测量混杂因素的影响。在本文中，我们采用一种新方法，其中敏感性参数为“未测量混杂比例”：即在给定已观测协变量条件下处理仍非随机化般良好的单元比例。我们考虑关于单元未混杂概率的不同假定。在每种情形下，我们推导平均处理效应关于敏感性参数的锐界，并提出允许灵活协变量调整的非参数估计量。我们还引入一个关于研究对混杂单元数量稳健性的一数概括。最后，我们通过模拟探索有限样本性质，并将方法应用于用于评估右心导管插入效应的观察性数据库。