理解竞争事件对基于时间事件数据的异质处理效应估计的影响

我们研究在存在竞争事件的情况下从时间事件数据推断异质处理效应（HTE）的问题。尽管具有重大的实际意义，与那些在无时间事件数据或无竞争事件情形下研究 HTE 估计的工作相比，该问题很少受到关注。我们采用结果建模方法来估计 HTE，并考虑现有时间事件数据预测模型何时以及如何作为潜在结果的插入式估计量。随后我们探究竞争事件是否为 HTE 估计带来了新的挑战——除标准混杂问题之外——，并发现由于该设定下因果效应有多种定义（即总效应、直接效应和可分离效应），竞争事件可依据所需的处理效应解释及相关估计量充当协变量偏移的额外来源。我们从理论上分析并实证说明了在使用通用机器学习预测模型估计 HTE 时这些挑战何时及如何发挥作用。