加权最小二乘估计器对遗漏变量的敏感性

本文介绍了用于评估常见治疗作用估计器对未观测混杂因素敏感性的工具，该估计器使用权重：对结果对治疗和已观测协变量的加权线性回归。我们通过遗漏变量偏误框架演示，该估计器的偏误是两个直观敏感性参数的函数：(i) 未观测混杂因素在给定协变量下解释治疗中加权方差的比例，以及(ii) 未观测混杂因素在给定协变量和治疗下解释结果中加权方差的比例，即两个加权部分 $R^2$。遵循前一工作，我们定义灵敏度统计量便于常规报告，并推导给定（a倍于）选择协变量维度强度的未观测混杂因素的正式界限，这有助于用户确定是否可能存在会改变结论的未观测混杂因素。我们还提出了用于调整推断的工具。我们做出的关键选择是仅检查（加权）结果模型受未观测混杂因素的影响，而非检查权重是否因遗漏混杂因素而受偏误。这种选择的一个优势是该工具适用于任何权重（例如逆 propensity score、匹配或协变量平衡权重）。另一个优势是我们可以依赖简单的方法，例如不对数据或未观测混杂因素作出分布性假设，能够解决观察数据误指定造造成的偏误。我们将这些工具提供给用于 R 计算语言的 weightsense 软件包。