Nonparametric Bounds and Sensitivity Analysis of Treatment Effects
本文考虑对治疗（或暴露）对感兴趣结果的影响进行推断。在随机分配治疗的理想环境中，在某些假设下，处理效应可从可观察数据中识别，推断简单明了。然而，在其他情况下，如观察性研究或不依从的随机试验，处理效应不再是可识别的，而不依赖于不可检验的假设。尽管如此，可观察的数据通常确实提供了一些关于治疗效果的信息，也就是说，感兴趣的参数是部分可识别的。在这种情况下，通常采用两种方法：（i）在最小假设下推导治疗效果的界限，或（ii）调用其他不可检验的假设，使治疗效果可识别，然后进行敏感性分析，以评估随着不可检验的假设的变化，关于处理效应的推断如何变化。方法（一）和（二）是在各种情况下考虑的，包括评估主要的分层效应、直接和间接效应以及随时间变化的照射效应。还讨论了对部分识别参数进行形式化推理的方法。
2015-03-05 stat.ME
Rank-Based Procedures in Factorial Designs: Hypotheses about Nonparametric Treatment Effects
非参数情况下的析因设计的现有检验是基于根据分布函数制定的假设。然而，典型的零假设，制定了一些参数或效果的措施，特别是在异方差设置。在这里，这一想法是扩展到非参数模型，通过引入一种新的非参数方差分析型统计量的基础上的秩，这是适合于检验假设制定有意义的非参数处理效应一般析因设计。这是通过仔细深入研究处理效应的基于秩的估计量的常见分布来实现的。由于统计量是渐近不是一个关键的数量，我们提出了三种不同的近似技术，讨论他们的理论性质，并比较它们在广泛的模拟与两个additionalWald型测试。所提出的想法一般重复的措施设计的扩展进行了简要概述。建议的基于秩的程序保持预先分配的第一类错误率相当准确，也在不平衡和异方差模型。
2016-10-26 stat.ME
Nonparametric tests of treatment effect homogeneity for policy-makers
Ghent University（根特大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心）
本文提出非参数检验方法，用于检测治疗效应异质性，适用于连续和离散协变量，无需样本分割即可获得可 tractable 的渐近 null 分布，通过模拟研究和艾滋病临床试验重新分析验证其有效性。
2026-04-04 stat.ME
Nonparametric identification and efficient estimation of causal effects with instrumental variables
本文整理了基于条件Wald估计量的因果效应非参数识别条件，提出了对应边际和条件因果对比泛函的非参数有效估计量，并通过观察性研究和随机试验验证了方法。
2024-02-14 stat.ME
Beyond principal ignorability: Nonparametric sensitivity bounds for principal stratification
Mississippi State University（密西西比州立大学）；University of Pennsylvania（宾夕法尼亚大学）；Yale School of Public Health（耶鲁公共卫生学院）
针对因果推断中主分层框架下主因果效应不可识别的问题，提出一种基于未测量混杂因子相对风险的无界参数化非参数敏感性分析方法，推导出每个主因果效应的尖锐非参数界，并推广至主广义因果效应。
2026-06-01 stat.ME
Causal mediation with instrumental variables
中介分析是一种理解治疗或干预影响后期结果的机制的策略。中介分析经常应用于随机试验环境，但通常假设：a）随机分配是关注的暴露，而不是实际接受干预，b）没有未观察到的中介-结果关系的混杂。与关于估计非随机化暴露总效应的工具变量（IV）方法的丰富文献相反，几乎没有研究将IV用作存在确定结果和中介结果未观察到混杂的识别策略。作为回应，我们定义并确定了新的被估量--复杂的干预直接和间接效应（即，IV中介效应）在两种情况下：1）单一IV暴露，2）两个IV，一个暴露，另一个中介，这可能是相关的。我们提出了非参数的，强大的，有效的估计，并将其应用到住房券实验。
2021-12-27 stat.ME
On the Impossibility of Specification Testing of Interference Models Based on Exposure Mappings
University of Chicago（芝加哥大学）；Columbia University（哥伦比亚大学）；Uppsala University（乌普萨拉大学）；Yale University（耶鲁大学）
本文研究了基于暴露映射的干扰模型规范检验问题，证明了现有检验方法的低效力是不可避免的，并指出任何检验方法的最坏情况I型和II型错误率之和必须为一，因此不存在统一一致的检验方法。
2026-06-04 math.ST stat.ME stat.TH
Estimating Average Causal Effects with Incomplete Exposure and Confounders
针对暴露和混杂因素缺失时的平均因果效应估计问题，提出了在随机缺失和非随机缺失假设下的双重稳健目标最大似然估计器（TMLE），并通过模拟和NHANES数据验证了其有效性。
2025-06-26 stat.ME
Weighted Euclidean balancing for a matrix exposure in estimating causal effect
在许多科学领域，如生物学，心理学和社会学，有越来越多的兴趣，估计因果关系的矩阵暴露的结果。协变量平衡是因果推断中的关键问题，精确平衡和近似平衡方法在过去的几十年中已经被提出。然而，由于大量的约束条件，它是难以实现精确的平衡或选择阈值参数的近似平衡方法时，处理是一个矩阵。为了应对这些挑战，我们提出了加权欧氏平衡方法，从整体的角度近似平衡协变量。该方法同样适用于高维协变量的情形。提出了估计矩阵处理因果效应的参数和非参数方法，并给出了这两种估计的理论性质。仿真结果表明，该方法在各种情况下都优于其他方法。最后，将此方法应用于调查儿童参加各种训练课程与其智商之间的因果关系。结果表明，6-9岁儿童参加实践课程的时间对儿童的智商有显著的积极影响。
2023-03-13 stat.ME
Multiply Robust Causal Inference with Double Negative Control Adjustment for Categorical Unmeasured Confounding
在观察性研究中，不可测量的混杂因素对因果推断是一种威胁。近年来，使用阴性对照来减轻不可测量的混杂因素得到了越来越多的认可和普及。阴性对照在实验室科学和流行病学中具有排除非因果解释的悠久传统，尽管它们主要用于偏倚检测。最近，Miao等人（2018）描述了一对阴性对照暴露量和结局变量可用于从受非受控混杂影响的观察数据中非参数化识别平均处理效应（ATE）的充分条件。在本文中，我们建立了非参数识别的ATE在较弱的条件下的情况下，分类不可测的混杂和负控制变量。我们还提供了一个通用的半参数框架，用于获得有关ATE的推断，同时利用有关可能大量的测量协变量的信息。特别地，我们推导了非参数模型下的半参数有效界，并在非参数估计不可行的情况下，提出了多重稳健和局部有效估计。我们在广泛的模拟研究中评估我们的方法的有限样本性能。最后，我们说明了我们的方法与应用程序的postlicensure儿童疫苗的安全性监测。
2019-09-04 stat.ME
Bias in multivariable Mendelian randomization studies due to measurement error on exposures
多变量孟德尔随机化估计多次暴露对结果的因果影响，通常使用遗传变异关联的汇总统计。然而，在孟德尔随机化应用中，感兴趣的暴露量通常会测量错误。因此，汇总统计将不是与暴露的遗传关联，而是与测量误差的暴露的关联。经典的测量误差不会使遗传关联估计产生偏差，但会增加它们的标准误。在单次暴露的情况下，这将导致在两个样本框架中偏向零。然而，对于多个相关风险敞口，情况不一定如此。在本文中，我们研究的方向和大小的偏差，以及覆盖面，功率和第一类错误率在多变量孟德尔随机化研究的影响，测量误差的曝光。我们展示了如何测量误差可以占在一个极大似然框架。我们考虑两个应用的例子。首先，我们发现测量误差导致体重指数对冠心病风险的影响被高估，而腰臀比的影响被低估。在第二部分中，我们发现，如果不考虑测量误差，那么由体重指数、吸烟和血压介导的教育对冠心病风险的影响比例可能被低估。
2022-03-16 stat.ME
Testing High-Dimensional Mediation Effect with Arbitrary Exposure-Mediator Coefficients
本文提出一种高维中介效应检验方法，在复合零假设所有情形下有效且不限制暴露-中介系数强度，并通过模拟和DNA甲基化中介实例验证其性能。
2025-05-27 math.ST stat.ME stat.TH
Nonparametric Estimation of Population Average Dose-Response Curves using Entropy Balancing Weights for Continuous Exposures
加权估计量通常用于估计观测环境中的暴露效应，以建立因果关系。当关注的暴露是二进制的并且权重通常是估计的倾向得分的函数时，这些估计器具有很长的开发历史。在二进制暴露设置中构建权重的基于优化的估计器（例如基于熵平衡的估计器）的最新发展，在估计处理效应方面显示出比那些专注于使用基于可能性的方法直接估计倾向得分的方法更有希望。本文探讨了熵平衡方法的最新发展，以连续暴露设置和人口剂量-反应曲线的估计使用非参数估计结合熵平衡权重，重点关注的因素，将是重要的应用研究人员在医疗或卫生服务研究。这里开发的方法应用于一项研究的数据，评估情绪和物质使用的临床结果的循证物质使用治疗计划的非随机成分的影响。
2020-03-05 stat.ME
Fast Nonparametric Conditional Independence Testing via Two-Stage Regression
Department of Biomedical Informatics, University of Pittsburgh（生物医学信息学系，匹兹堡大学）
提出BLITZ方法，通过两阶段回归（低阶多项式+浅层树）快速消除条件集影响，实现校准良好的非参数条件独立性检验，适用于因果发现。
2026-06-23 cs.LG stat.ME stat.ML
Robust inference on population indirect causal effects: the generalized front-door criterion
关于直接和间接效应的标准推断方法需要严格的无未测量混杂假设，这些假设在实践中往往不成立，特别是在观察性研究中。本文的目的是介绍一种新形式的间接效应，人口干预间接效应（PIIE），它可以在暴露和结果的不可测量的共同原因的存在下，非参数识别。这种新型的间接效应捕捉了在干预措施下，暴露的影响在多大程度上是由中间变量介导的，干预措施将直接影响结果的暴露成分保持在其观察值。PIIE实际上是Hubbard和Van der Laan（2008）引入的人口干预效应的间接组成部分。有趣的是，我们的识别标准概括了朱迪亚珍珠的前门标准，因为它不需要没有直接影响的曝光不介导的中间变量。对于推理，我们开发了参数和半参数的方法，包括一种新的双鲁棒半参数局部有效估计，在模拟研究中表现非常好。最后，所提出的方法被用来衡量在坦桑尼亚的孕产妇健康计划中注册的妇女之间的货币储蓄建议的有效性。
2019-09-23 stat.ME
Double Robust Variance Estimation with Parametric Working Models
本文证明经验三明治方差估计量和非参数自助法为双重稳健方差估计量，在仅有一个参数工作模型正确设定时提供有效方差估计，并通过模拟和IPOP研究验证。
2024-11-04 stat.AP stat.ME
On Partial Identification of the Pure Direct Effect
在因果中介分析中，纯（自然）直接效应的非参数识别通常依赖于（i）所谓的“跨世界反事实”独立性和（ii）无暴露诱导的混杂的基本假设，以及没有未观察到的暴露前混杂。当调解人是二进制的，边界部分识别时，既没有假设，或者假设只有（ii）。我们扩展现有的界限的情况下，一个polytomous调解人，并提供界限的情况下，只假设（i）。我们将这些界限应用于尼日利亚的哈佛PEPFAR项目的数据，在那里我们评估了抗逆转录病毒治疗对病毒学失败的影响在多大程度上是由患者的依从性介导的，并表明对这种影响的推断对模型假设有些敏感。
2015-09-05 stat.ME
Nonparametric Tests for Treatment Effect Heterogeneity with Duration Outcomes
本文提出了不同的测试处理效应异质性时，关注的结果，通常是一个持续时间变量，可能是右删失。所提出的检验研究策略是否1）对于由协变量值定义的所有子群体具有零分布（平均）效应，以及2）在不同子群体之间具有齐次平均效应。拟定检验基于两步Kaplan-Meier积分，不依赖于参数分布假设、形状限制或限制不同亚群间的潜在处理效应异质性。我们的框架不仅适用于外源性治疗分配，但也可以占治疗不依从性-在许多应用程序中的一个重要特征。建议的测试是一致的固定的替代品，并可以检测到非参数的替代品收敛到零的参数$n^{-1/2}$率，$n$的样本量。临界值计算的协助下，一个乘数的引导。通过蒙特卡罗研究和劳动力市场计划对失业持续时间的影响的应用，检验了所提出的检验的有限样本性质。开放源代码软件可用于执行所有拟议的测试。
2020-02-17 econ.EM stat.ME
Consistent Estimation of Propensity Score Functions with Oversampled Exposed Subjects
通常采用过采样暴露受试者的观察性队列研究，以了解罕见暴露的因果效应。由于样本中暴露受试者的分布与源人群不同，因此倾向得分函数的估计（即，给定基线协变量的暴露概率）以非参数化的不可识别参数为目标。倾向得分函数的一致估计是各种因果推断估计的重要组成部分，包括双稳健机器学习和逆概率加权估计。本文开发了一个灵活的计算实现，可以使用任何算法，允许观察加权产生相合估计量的倾向得分函数的暴露从源人口的概率。模拟研究和一个假设的卫生政策干预数据分析表明，这些倾向得分函数估计与观察权重在有限样本的经验偏差和方差低。
2019-02-13 stat.ME stat.ML
Everything all at once: On choosing an estimand for multi-component environmental exposures
本文提出一种非参数方法，通过机器学习量化暴露混合物变化与结局的关系，避免参数模型假设，用于研究农业杀虫剂暴露与高血压风险的关系。
2026-04-30 stat.AP stat.ME
Nonparametric inference on non-negative dissimilarity measures at the boundary of the parameter space
针对参数空间边界处非负相异性度量的非参数推断难题，提出一种构建更优渐近性能估计量的策略，其在边界处达参数收敛速度且具易处理的零极限分布，可用于非参数回归与随机依赖性评估。
2023-06-13 stat.ME
Which Regularized Propensity-Score and Doubly Robust Methods Are Best Calibrated When Exposures or Outcomes Are Rare? A Plasmode Study of Proxy-Based Confounding Adjustment
School of Population and Public Health, University of British Columbia（英属哥伦比亚大学公共卫生与人口健康学院）
研究在医疗保健数据库研究中，比较多种正则化倾向得分和双重稳健方法在暴露或结果罕见时的校准效果。核心方法是基于特定数据模拟并结合多种策略。主要贡献是得出不同方法在不同情况下的表现及结论，为方法选择提供参考。
2026-07-09 stat.AP stat.CO stat.ME
Treatment Effect Heterogeneity and Importance Measures for Multivariate Continuous Treatments
本文针对多元连续暴露的处理效应估计问题，提出灵活的非参数贝叶斯方法，引入刻画处理效应异质性的新估计量并给出估计程序，通过后验收缩率提供理论支持，并在PM$_{2.5}$组分暴露健康效应研究中验证了方法有效性。
2025-01-03 stat.AP stat.ME
Dimension reduction-based significance testing in nonparametric regression
针对非参数回归模型，提出了一种基于降维的自适应模型检验方法。与现有的局部平滑显著性检验不同，新的检验表现得像一个局部平滑检验，就好像协变量的数量只是原假设下的协变量的数量，并且它可以以仅与原假设下的协变量的数量相关的速率检测不同于原假设的局部替代品。因此，当不可避免地需要非参数估计时，维数灾难在很大程度上得到缓解。在有许多不显著的协变量的情况下，新的测试的改进是非常显着的显着性水平的维持和功率增强现有的局部平滑测试。仿真研究和实际数据分析进行了有限样本的性能测试。
2015-10-13 stat.ME
Bayesian nonparametric mixtures of categorical directed graphs for heterogeneous causal inference
本文提出基于分类DAG的狄利克雷过程混合模型，在个体层面进行异质性因果推断，并通过模拟和乳腺癌心脏毒性数据验证其有效性。
2024-08-31 stat.AP stat.ME
An Omnibus Nonparametric Test of Equality in Distribution for Unknown Functions
我们提出了一个新的家庭的非参数综合测试的假设，两个未知的，但可估计的功能是平等的分布时，所观察到的数据结构。我们开发了这些测试，它代表了Gretton等人[2006]中描述的最大平均差异测试的推广。尽管它们的推导很复杂，但相关的检验统计量可以相当简单地表示为U-统计量。我们研究了在原假设下以及在固定和局部两种情况下所提出的检验的渐近行为。我们提供的例子，我们的测试可以应用，并表明它们在模拟研究中表现良好。作为一个重要的特殊情况，我们提出的测试可以用来确定是否一个未知的功能，如条件平均治疗效果，几乎肯定等于零。
2017-06-14 math.ST stat.ML stat.TH
Nonparametric efficient estimation of the longitudinal front-door functional
University of Copenhagen（哥本哈根大学）
本文提出纵向前门函数的非参数高效估计方法，适用于高维中介变量和数据自适应方法，通过模拟研究和婴儿花生过敏试验验证其理论性质。
2026-03-16 stat.ME
Graphical models for mediation analysis
中介分析试图通过中介变量或中介物推断暴露对结果的影响有多少可归因于特定途径。这就需要确定所谓的路径特异性效应。它们表达了暴露的变化如何影响这些中间变量（沿着某些途径），以及这些变量的变化如何反过来影响结果（沿着后续途径）。然而，与总效应的识别不同，混杂调整不足以识别路径特异性效应，因为它们的大小也取决于个体在多大程度上经历了对中介体的大暴露效应，倾向于经历相对较小或较大的中介体效应对结果的影响。因此，本章提供了一个一般的非参数结构方程模型（可能无法测量的变量），其中排除了某些这样的依赖性识别策略的访问审查。特别是，它示出的路径特定的影响，可以确定在这样的模型，以及如何可以做到这一点。
2018-01-18 math.ST stat.ME stat.TH
A Nonparametric Likelihood Approach for Inference in Instrumental Variable Models
工具变量方法允许通过控制不依从随机实验中的未测量混杂来推断处理效应。然而，许多研究没有考虑在测试过程中观察到的顺应性行为，这可能导致功率损失。在本文中，我们提出了一种新的非参数似然方法，称为二项式似然（BL）方法，它结合了信息的遵守行为，同时克服了以前的技术的几个限制，并利用似然方法的优点。我们所提出的方法产生适当的估计的反事实的分布函数通过最大化的二项似然空间的分布函数。利用这一点，我们提出了两个版本的二项似然比检验的原假设没有处理效应。我们表明，这两个版本是更强大的检测任何分布的变化比现有的方法在有限样本的情况下，渐近等价于两个样本的安德森-达林测试。我们还开发了一个有效的算法来计算我们的估计，并应用二项式似然方法的研究医疗补助覆盖范围对心理健康的影响，使用俄勒冈州健康保险实验。
2020-06-11 math.ST stat.AP stat.ME
A model specification test for the variance function in nonparametric regression
在完全非参数回归模型中考虑了条件方差参数形式的检验问题。提出了一种基于原假设和备择假设下残差经验特征函数之间加权$L_2$ -距离的检验统计量，并进行了理论研究。得到了检验统计量的零渐近分布，并用来逼近临界值。在几个蒙特卡罗实验中数值研究了所提出的测试的有限样本特性。开发的结果假设独立的数据。它们的扩展相关的意见进行了讨论。
2018-07-23 stat.ME
Estimating heterogeneous effects of continuous exposures using Bayesian tree ensembles: revisiting the impact of abortion rates on crime
在估计连续暴露或治疗的因果效应时，重要的是控制所有混杂因素。然而，大多数现有的方法需要控制变量如何影响结果或广义倾向得分的参数规范，并且对处理效应的推断通常对这种选择敏感。此外，通常的目标是估计处理效应如何在观察单位之间变化。为了解决这一差距，我们提出了一个半参数模型使用贝叶斯树集成估计的因果关系的影响，连续治疗的暴露，（i）不需要先验参数规范的控制变量的影响，和（ii）允许识别的影响修改预先指定的主持人。我们所做的主要参数假设是，暴露对结果的影响是线性的，这种关系的陡度由主持人的非参数函数决定，我们提供了诊断这一假设的有效性的方法。我们运用我们的方法来重新审视2001年关于堕胎率如何影响犯罪发生率的研究。
2020-07-20 stat.AP
Nonparametric false discovery rate control for identifying simultaneous signals
通常感兴趣的是联合分析多个测试的多个序列以识别同时信号，同时信号被定义为在多个研究中测试的特征，其检验统计量在每个研究中是非空的。然而，在许多问题中，检验统计量的零分布可能是复杂的，甚至是未知的，目前还没有任何程序可以在这些情况下使用。本文提出了一种新的非参数方法，即使不知道检验统计量的零分布，也可以识别多个研究中的同时信号。该方法被证明是渐近控制的错误发现率，并在仿真中具有良好的功率和错误控制。在对暴露于同种入侵者的小鼠大脑中的基因表达和组蛋白乙酰化模式的分析中，它确定了差异表达的基因和靠近差异可及染色质的基因。所提出的方法可在R软件包github.com/sdzhao/ssa中获得。
2019-01-15 stat.ME
Nonparametric Inference on Dose-Response Curves Without the Positivity Condition
针对连续处理观察性研究中正性条件常不成立的问题，提出基于更弱假设的剂量-反应曲线非参数推断方法，通过积分样本处理效应导数缓解偏差，结合bootstrap实现有效推断，经模拟和PM2.5心血管死亡率分析验证性能。
2025-01-19 math.ST stat.AP stat.ME
A nonparametric relative treatment effect for direct comparisons of censored paired survival outcomes
针对右删失配对生存数据的治疗效果比较问题，提出基于竞争风险技术的非参数相对治疗效应估计方法，通过随机化重抽样实现推断，模拟显示功效优于传统方法，并在糖尿病视网膜病变数据集上验证了适用性。
2023-06-15 math.ST stat.ME stat.TH
Nonparametric Isotropy Test for Spatial Point Processes using Random Rotations
针对空间点过程各向同性检验依赖渐近理论或参数模型模拟的问题，提出基于 Fry 点重采样的非参数随机旋转检验，并通过四类模型模拟和真实数据验证其水平与功效。
2024-04-16 stat.ME
Nonparametric estimation of the interventional disparity indirect effect among the exposed
本文研究暴露组中干预差异间接效应的识别与非参数估计，推导了有效影响函数及双重稳健的TMLE程序，适用于无删失和右删失生存结果，并通过模拟验证了其性能。
2023-05-17 stat.ME
Causal bounds for outcome-dependent sampling in observational studies
结果依赖型抽样设计在流行病学、生态学和经济学等许多不同的科学领域都很常见。与所有的观察性研究一样，这种设计经常受到无法测量的混杂因素的影响，这通常会排除因果效应的非参数识别。非参数边界可以提供一种方法来缩小不可识别因果效应的可能值范围，而无需进行额外的不可检验假设。非参数界文献几乎完全集中在随机抽样的设置，和边界往往是由一个特定的线性规划方法。我们推导了因果风险差异的新界限，通常称为平均处理效应，在六种情况下，采用结果依赖性抽样和未测量的混杂因素，用于二进制结果和暴露。我们的推导的界限说明了两种方法，可能适用于其他设置的边界问题不能直接表示为一个系统的线性约束。我们说明了我们推导出的边界在一个真实的数据例子，涉及维生素D浓度对死亡率的影响。
2020-10-11 math.ST stat.ME stat.TH
Improved inference for doubly robust estimators of heterogeneous treatment effects
我们提出了一种双重稳健的方法来表征观察性研究中的处理效应异质性。我们开发了一个频率主义的推理程序，利用后验分布的倾向得分和结果回归模型提供有效的推理条件平均处理效应，即使当使用高维或非参数模型。我们表明，我们的方法会导致保守的推断在有限样本或模型误指定，并提供了一个一致的方差估计时，这两个模型都被正确指定。在模拟中，我们说明了这些结果在困难的设置，如高维协变量空间或高度灵活的模型的倾向得分和结果回归的效用。最后，我们分析了NHANES的环境暴露数据，以确定这些暴露的影响如何因受试者级别的特征而异。
2022-07-19 math.ST stat.AP stat.ME
An Approach to Nonparametric Inference on the Causal Dose Response Function
针对连续暴露下因果剂量反应函数推断的强参数假设失效问题，提出基于方差估计的非参数检验方法，可构建同时置信带，经模拟和HIV临床数据验证有效。
2023-06-13 stat.ME
A nonparametric test for a constant correlation matrix
我们提出了一个非参数的程序来测试在一个未知的时间点的相关矩阵的变化。新的检验只需要对序列相关结构进行温和的假设，并且在有限样本中具有相当大的功效。我们推导了在无变化的原假设下的渐近分布以及局部幂的结果，并将检验应用于股票收益率。
2014-10-27 stat.ME
Causal isotonic regression
在观察性研究中，潜在的混杂因素可能会扭曲暴露与结果之间的因果关系。然而，在某些条件下，因果剂量反应曲线可以恢复使用G计算公式。当暴露是连续的时，估计这种曲线的大多数经典方法依赖于限制性参数假设，这带来了模型错误设定的重大风险。在这种情况下，非参数估计是具有挑战性的，因为在非参数模型中，这些曲线不能以常规速率估计。许多可用的非参数估计是敏感的某些调整参数的选择，并执行有效的推断与这样的估计可能是困难的。在这项工作中，我们提出了一个非参数估计的因果剂量反应曲线已知是单调的。我们表明，我们提出的估计程序推广了经典的最小二乘保序回归估计的单调回归函数。具体而言，它不涉及调整参数，并且对于曝光变量的严格单调变换是不变的。我们描述了我们提出的估计的理论性质，包括其不规则的极限分布和潜在的双重鲁棒推理。此外，我们通过数值研究说明了它的性能，并使用它来评估BMI和HIV疫苗试验中的免疫反应之间的关系。
2019-12-16 stat.ME
A nonparametric Bayesian test of dependence
在这篇文章中，我们提出了一种新的方法来测试两组变量之间的依赖关系的基本任务。独立性的原假设和相关性的备择假设下的响应密度由非参数贝叶斯模型确定。在原假设下，联合分布由两个独立的Dirichlet过程混合（Dirichlet Process Mixture，DIFR）先验的乘积建模;在另一种情况下，全联合密度由多变量DIFR先验建模。然后，检验基于支持备择假设的后验概率。该检验不仅在线性相关性检验方面具有良好的性能，而且在非线性相关性检验方面也优于其他方法。在基因表达数据的分析中，我们比较了不同的方法来测试基因之间的成对依赖性。结果表明，该测试确定了一些依赖结构，没有检测到的其他测试。
2015-01-28 stat.ME
Nonparametric Model Checking and Variable Selection
设X为协变量的d维向量，Y为响应变量。在非参数模型Y = m（X）+ σ（X）\in下，我们开发了一个ANOVA型检验，用于原假设X的特定坐标对回归函数没有影响。在原假设和局部替代假设下，利用Nadaraya-Watson型核估计和d \leq 4的残差，建立了检验统计量的渐近分布.仿真结果表明，在稀疏模型下，通过充分的降维，检验的适用性扩展到任意d。利用该检验的p值，提出了一种基于多重检验思想的变量选择方法。拟议的测试优于现有的程序，而额外的模拟显示，拟议的变量选择方法执行竞争力对完善的程序。一个真实的数据集进行了分析。
2012-05-30 stat.ME
A nonparametric empirical Bayes framework for large-scale multiple testing
我们提出了一个灵活的和可识别的版本的两组模型，出于分层贝叶斯的考虑，其特点是一个经验空和半参数混合模型的非空情况。我们使用一个计算效率高的预测递归边际似然方法来估计模型参数，甚至非参数混合分布。这导致了一个非参数的经验贝叶斯检验过程，我们称之为PR测试，阈值的基础上估计的本地错误发现率。仿真和实际数据的例子表明，与现有的方法相比，PR测试的非零密度的仔细处理可以得到一个更好的适合在尾部的混合分布，这反过来，可以导致更现实的结论。
2011-10-01 stat.CO stat.ME
A class of nonparametric methods for evaluating the effect of continuous treatments on survival outcomes
针对连续治疗下反事实生存概率因非路径可微难以构建良好估计量的问题，提出连续暴露下的非参数推断检验方法，经数值研究验证后应用于两项HIV单抗效力试验数据。
2024-12-13 stat.ME
A nonparametric projection-based estimator for the probability of causation, with application to water sanitation in Kenya
目前的因果关系概率（PC）的估计方法进行强参数假设或效率低下。我们推导出一个非参数的影响函数为基础的估计PC的投影，它允许简单的解释和有效的推理，通过弱结构假设。我们将我们的估计器应用于肯尼亚实验的真实数据，该实验发现，通过估计平均处理效应，保护水泉可以减少儿童疾病。然而，在扩大这种干预之前，重要的是要确定是否是暴露，而不是其他东西，导致了结果。事实上，我们发现，一些儿童，谁是暴露于高浓度的细菌在饮用水中，并有牙周病，可能会感染疾病的暴露，因为估计PC为平均儿童在这项研究中是0.12，95%的置信区间（0.11，0.13）。我们的非参数方法为研究人员提供了一种估计PC的方法，如果人们希望不仅确定平均处理效应，而且确定暴露是否可能导致观察到的结果，这是必不可少的。
2019-10-30 stat.AP stat.ME
A nonparametric independence test using random permutations
针对两个连续随机变量之间的独立性假设，提出了一种新的非参数检验方法。该测试基于随机排列的最长递增子序列的大小。我们证明了两个连续变量之间的独立性假设与配置均匀分布的置换空间，我们给出了统计量的确切分布。我们计算了几个样本量的分布。通过一个模拟研究，我们估计我们的测试的权力下的独立性的原假设不同的备择假设。
2009-08-26 stat.ME
On an Exact and Nonparametric Test for the Separability of Two Classes by Means of a Simple Threshold
本文介绍了一个统计检验推断是否一个变量允许分离两个类通过一个单一的临界值。它的检验统计量是非参数阈值分类器的预测误差。虽然这种方法对于单变量分类任务是足够的，但它对于过滤器类型的变量选择特别有利。它构成了一个强大的和非参数的方法，可以识别重要的，否则被忽视的变量。它可以包含分类任务的操作条件。最后，在原假设下，检验统计量的精确有限样本分布可以使用快速递归算法来计算。
2017-07-14 stat.ME
Testing the parametric form of the conditional variance in regressions based on distance covariance
本文提出了一种新的检验方法，用于检验非线性非参数回归模型中基于距离协方差的条件方差的参数形式。继承了距离协方差的优良性质，我们的检验在实践中非常容易实现，并且受协变量维数的影响较小。在原假设和备择假设下，研究了检验统计量的渐近性质。我们表明，建议的测试是一致的，对任何替代品，并可以检测本地的替代品收敛到原假设的参数率1/根（n）在非线性和非参数设置。由于检验统计量的极限零分布是难以处理的，我们提出了一种残差自助法来近似极限零分布。模拟研究，以评估有限样本的性能所提出的测试。我们还将建议的测试应用到一个真实的数据集进行说明。
2022-05-18 stat.ME
Bayesian Nonparametric Adjustment of Confounding
观察性研究的分析日益面临的挑战是，确定需要哪些可能的高维可用协变量集来满足因果效应估计的可验证治疗分配假设。我们提出了一种贝叶斯非参数方法，同时1）根据现有的混杂因素选择原则优先纳入调整变量; 2）以允许混杂因素，暴露和结果之间复杂关系的方式估计因果效应; 3）提供因果估计，说明混杂性质的不确定性。该提案依赖于多个贝叶斯加性回归树模型的规范，这些模型与一个共同的先验分布联系在一起，该先验分布根据与暴露和关注结果的关联将后验选择概率累积到协变量。一组广泛的模拟研究表明，所提出的方法相对于类似动机的方法在各种情况下表现良好。我们部署的方法来调查燃煤电厂的排放对环境空气污染浓度的因果影响，由于当地和区域气象因素的混淆前景引入了不确定性周围的一组高维测量变量的混淆作用。最终，我们表明，所提出的方法产生更有效的和更一致的结果在相邻年份比替代方法，贷款强度的证据之间的因果关系的二氧化硫排放量和环境颗粒物污染。
2022-03-22 stat.ME
Testing for a change of the innovation distribution in nonparametric autoregression - the sequential empirical process approach
考虑了条件异方差下的非参数自回归模型，目的是检验新息分布是否随时间变化。为此，我们开发了一个渐进展开的顺序经验过程的非参数估计的创新（残差）。我们建议一个Kolmogorov-Smirnov统计量的基础上建立的第一个ns和最后n-ns残差，分别估计的创新分布的差异。在无变点的原假设下，证明了基本随机过程弱收敛于高斯过程。结果表明，该检验是渐近分布自由的。显示了与固定替代方案的一致性。在模拟研究中，所提出的测试的小样本性能进行了研究，并将测试应用于数据的例子。
2012-11-06 stat.ME
Nonparametric tests of independence for circular data based on trigonometric moments
本文介绍了基于三角矩的二元圆形数据独立性的非参数检验。我们的贡献在于（一）提出非参数检验，是局部和渐近最优的双变量余弦冯米塞斯替代品和（ii）扩展这些测试，通过经验特征函数，以获得一致的测试对更广泛的替代品，最终被综合。因此，我们提供了一个集合的三角函数为基础的测试不同的一般性和已知的最优性。在原假设和备择假设下得到了检验的大样本行为，而模拟表明，新的检验与以前的建议是有竞争力的。天文学和森林科学中的两个数据应用说明了测试的用途。
2021-04-29 stat.ME
Isotropy testing in spatial point patterns: nonparametric versus parametric replication under misspecification
本文提出将非参数复制方法整合到空间点模式各向同性检验的通用框架，并通过大规模模拟研究证明其在模型误设定下相比参数复制方法能更稳健地控制检验水平和功效。
2025-04-08 stat.ME
Exact, Nonparametric Sensitivity Analysis for Observational Studies of Contingency Tables
Department of Statistics, University of Wisconsin–Madison（威斯康星大学麦迪逊分校统计系）
该研究针对列联表观察性研究的未测量混杂，提出适配非二元处理与结局的精确非参数敏感性分析方法，推导了相关检验的精确最坏情况原分布计算方法，开发了R包并通过实证分析验证其有效性。
2026-09-01 stat.ME
