因果推断的匹配方法:综述和展望
本研究综述了长期以来在联合随机对照试验(RCTs)和观察研究中进行因果推断的方法,旨在实现 “两全其美”。作者首先讨论了提高观察数据代表性的 RCTs 的识别和估计方法,然后探讨了将 RCTs 和观察数据结合使用以确保观察分析的无瑕性或提高(条件)平均治疗效果估计的方法。最后,作者使用模拟研究和真实世界数据比较了主要方法,并提供了可用代码和新实现。
Nov, 2020
本文介绍了使用倾向得分法估算二元治疗的因果效应,探讨了一些减少治疗和对照组之间初始协变量偏差的方法,并针对多种分类治疗方法提出了可能的匹配技术,利用模拟演示了如何提高匹配集合中协变量的相似度。
Jan, 2017
观察性研究常常存在客观性问题,本文讨论了如何通过仔细设计的方案来近似随机化实验,以获得更准确的因果推断。涉及的问题包括关键协变量数据缺失、治疗和对照组关键协变量分布的重叠度分析等,同时提出了可能的解决方案并分析了潜在结果的定义和因果效应的关键问题。
Nov, 2008
本文综述了在潜在结果框架下,针对观察数据的因果推断方法。这些方法分为两类,包括传统的统计学方法和最新的机器学习方法,还介绍了这些方法在广告、推荐、医学等领域的应用以及常用的基准数据集和开源代码。
Feb, 2020
本文提出了一种方法,将观测数据和实验数据相结合,通过控制函数方法进行因果效应的估计,以解决可能存在未观测混淆变量的问题。该方法应用于课堂规模和第三年级考试成绩的数据,结论表明,课堂规模对学生学业成就有显著影响。
Jun, 2020
本研究报告了一个专门为评估观察研究中的治疗效应变异而设计的工作坊的结果。参与者使用多样的方法进行了分析,从配对和灵活的结果建模到半参数估计和集成方法。虽然有广泛的一致性,但在估计治疗效应调节方面仍存在巨大差异。
Jul, 2019
在大数据时代,处于生态经济学、医疗保健、网络挖掘、在线广告和市场营销等多个领域的观测数据的因果关系进一步的理解异常重要。然而目前现有的因果效果评估方法主要集中在源特定和固定的观测数据上,缺乏对数据连续性、领域适配性以及海量数据的易用性等问题的持续性研究,而这些问题非常普遍。本论文定义了持续性治疗效果的评估问题,并提出了问题的研究难点和可能的解决方案。最后,我们还讨论了未来该领域的研究方向。
Jan, 2023
本文提出了一个将文本数据匹配到更高、更有比较性的结果中去的框架,并成功开发出一个预估模型可以精确预估最佳匹配结果的数值,以此提高了在媒体偏见和医学干预研究中使用文本匹配以改进因果推断的准确性。
Jan, 2018
本文针对多个处理水平下的观察研究,开发了估计平均处理效应的新方法,并通过对纤维肌痛治疗效果的分析和模拟研究验证了这些方法的有效性。
Aug, 2015