Aug, 2019

gfoRmula：通过参数 g 公式估计一般的时间变化干预效应的 R 软件包

PDF
TL;DR本研究使用 Robins 的 g-formula 估计纵向数据中时变干预影响的因果效应，并介绍了在 R 语言中实现参数 g-formula 的软件包 gfoRmula。
发现论文，激发创造
  • 连续时间中因果效应的统计建模

    本篇论文通过建立时间连续的结构嵌套模型，提出可以在时间相关性干扰存在下，估算时间变化的治疗效应的概念框架和形式化方法，同时表明这样的估算器是准确和渐近正常的。

    Oct, 2004

  • 连续时间、连续值干预的因果推断治疗 - 反应模型

    本研究提出了一种利用线性时不变动力系统和高斯过程，能够弥补观察数据中剂量级别变化以及不定期观测的不足的方法，能够更加准确地进行多变量数据的建模和预测。

    Apr, 2017

  • 一种贝叶斯非参数方法用于估计个体化的治疗反应曲线

    使用贝叶斯非参数方法来建立个体化治疗反应曲线，从而提升个性化决策的精度，该方法使用观测时间序列，并结合 G - 计算公式对连续响应进行估计。

    Aug, 2016

  • lgpr：一种可解释的非参数方法，用于从长期数据推断协变量效应

    使用加性高斯过程进行长期数据的非参数分析，采用可解释性的方法来建模复杂的协方差结构和检测分类和连续协变量及其交互的非线性效应，实现了对协变量效应异质性、时间不确定性和适用于不同生物医学数据类型的观测模型的考虑。

    Dec, 2019

  • 因果潜在因子模型中的双重稳健推断

    提出了一种在现代数据丰富的环境中估计未观察到的混杂影响下的平均处理效应的新框架，该框架具有大量的单位和结果。该提出的估计器具有双重鲁棒性，结合了结果填充、逆概率加权和用于矩阵补全的新型交叉拟合程序。我们推导出有限样本和渐近保证，并且证明新估计器的误差以参数速率收敛到均值为零的高斯分布。模拟结果显示本文分析的估计器的形式性质的实际相关性。

    Feb, 2024

  • 用于参数估计因果效应的 R 软件包

    该研究介绍了 R 包 CausalModels 的使用，旨在提供一些结构模型，以解决因果推断的统计分析问题，并为因果效应的估计提供多种常用方法，包括标准化、IP 加权、G 估计、结果回归、工具变量和倾向匹配。

    Jul, 2023

  • 双重可靠估计连续处理效应的非参数方法

    本文提出一种新的核平滑方法，可以在不需要参数模型的情况下，对连续治疗（如剂量）进行因果效应估计，并允许处理密度或结果回归的错误规范。方法经过了模拟证明，并应用于护士人员配备对医院复诊惩罚的研究中。

    Jul, 2015

  • 在存在潜在混淆变量情况下，估计连续时间中的治疗效果

    本文通过应用神经微分方程建立潜在因子模型，使用随机控制微分方程和 Lipschitz 限制卷积操作，不断纳入关于进行中干预和不规则的样本观测的信息，以在动态时间设置中存在隐藏因素的情况下连续估计处理效应。

    Feb, 2023

  • fmeffects：R 包的前向边际效应

    介绍了 FMEs 方法及其首个软件实现 fmeffects 的相关理论背景、功能、处理方式、软件设计和未来扩展选项。

    Oct, 2023

  • 时间序列去混杂因素法：在隐含混杂因素的情况下估计时间依赖的治疗效果

    本研究提出了一种称为时间序列去混杂器的方法，利用多重处理来估计存在多因素潜在混杂变量时的治疗效应，并使用新颖的递归神经网络架构进行因素建模和推断潜在变量，从而替代多因素未观察到的混淆变量，进行因果推断，从而得到时间变化曝露的无偏因果效应估计。

    Feb, 2019