本文提出了一种新的敏感度分析方法，通过引入边界因素，避免了以往方法的强且不可验证的先验假设，仅需两个敏感参数，可以作为评估未观测到的混淆因素对因果推论影响的有力工具。

Jul, 2015

提出了一种基于预测推断的模型自由框架，用于探究个体治疗效果的敏感性分析，特别关心了混杂因素强度量化和对于反事实的可靠预测推断。

Nov, 2021

本文提出了一种评估应用计量经济学结论对样本中很小一部分数据敏感性的方法 —— 近似最大影响摄动法，并提供了有限的样本误差界，发现敏感性取决于推断问题中的信噪比，不会随着渐近逐渐消失，并不是由于错误规范而引起的。

Nov, 2020

这篇文章介绍了一个基于 Tukey 的因子化方法的框架，可以为治疗分配指标和观察到的潜在结果之间的未知关系构建未识别选择函数，从而实现灵活模型的应用，以实现对于平均治疗效应和分位数治疗效应的 Bayesian 非参数模型的估计，同时提供了识别和未识别因素的感受性参数来衡量这些不确定因素。

Sep, 2018

该研究探讨了一种最坏情况的方法来衡量随机系统性能分析中的模型误差敏感性，通过 Kullback-Leibler（KL）散度度量模型误差，并通过优化计算程序来计算最坏情况性能指标，通过创新的微小近似方法，得出了这些程序的最优值渐近展开式，展开式系数可以通过模拟计算，并从最坏情况模型的表示中派生而来，这些表示作为函数不动点方程组的定义。

Mar, 2013

本文提出了一个统一框架，用以解决在各种不同情况下发生未观测混淆的因果敏感度分析问题，包括（条件）平均处理效应、中介分析和路径分析的效应，以及分布效应，同时还提供了一个可伸缩的算法来估计我们从观测数据中所得到的尖锐界限。

May, 2023

本文提出了一种多工作回归模型的校准方法，可用于估计单个或多个参数，当缺失概率被正确指定且假设了多个条件均值工作回归模型时，具有奥拉克尔（Oracle）性质，在缺失数据机制被错误指定时，仍可成为一致估计量，可使用共同的校准权重同时获得所有感兴趣参数的半参数效率界，并且与生物统计学、计量经济学和调查抽样中许多现有的估计方法有联系。

Oct, 2014

本文提出了一种基于连续处理效果边际敏感模型 (CMSM) 的方法，该方法结合了可扩展的算法和深度模型，用于估算高维大样本观测数据的不确定性并识别潜在干扰变量，以进一步理解当假设被放松时因果估计所引入的忽略误差，并将其应用于气候科学中由人类排放对云特征的影响的研究。

Apr, 2022

本文研究了多元数据缺失的统计功能识别和估计，采用半参数方法，假设缺失机制满足无自我审查条件，用共同密度的比值参数化方法导出感兴趣的函数，提出具有加权估计器、双鲁棒性属性的估计器，并在 HIV 阳性母亲数据集上进行了仿真实验和性能评估。

Sep, 2019

本文提出了一种使用积分概率度量进行协变量平衡的加权方法，并证明该方法可以在不正确指定模型的情况下保持一致性，同时在有限样本情况下的表现也比现有方法更好。

May, 2023