Adjusting for bias introduced by instrumental variable estimation in the Cox Proportional Hazards Model
工具变量（IV）方法广泛用于在存在不可测量混杂因素的情况下估计平均处理效应。然而，现有的IV程序的能力，最值得注意的是两阶段剩余纳入（2SRI）程序建议用于非线性背景下，占未测量的混杂因素在Cox比例风险模型尚不清楚。我们发现，仪器的内源性治疗诱导一个不可测量的协变量，称为个人的弱点，在生存分析的说法，如果不占导致偏见。我们提出了一个新的程序，增强2SRI与个人的弱点，并证明它是一致的，在一定条件下。通过蒙特卡罗模拟，在广泛的条件下研究了有限样本量的行为。最后，所提出的方法被用来估计颈动脉内膜切除术与颈动脉支架置入术对颈动脉疾病患者死亡率的平均影响。结果表明，与传统的2SRI相比，2SRI脆弱估计量通常可以降低点估计量和区间估计量的偏差。
2017-11-07 stat.ME
Adjusting for publication bias in meta-analysis via inverse probability weighting using clinical trial registries
发表偏倚是进行系统性综述和荟萃分析时的一个主要问题。各种敏感性分析或偏差校正方法已被开发的基础上选择模型，它们有一些优于广泛使用的偏差校正方法的修剪和填充方法。然而，基于选择模型的似然方法可能难以获得精确的估计值和合理的置信区间，或者需要复杂的敏感性分析过程。在本文中，我们开发了一种简单的出版偏倚调整方法，利用临床试验注册中已进行但尚未发表的试验信息。本文将发表偏倚问题看作是非随机缺失情形下的缺失数据问题，引入了选择函数中参数估计的估计方程。利用估计的选择函数，我们引入了逆概率加权（IPW）方法来估计研究间的总体均值。此外，IPW版本的异质性措施，如研究间方差和I2措施的建议。我们提出的方法来构建渐近置信区间，并建议间隔参数自举作为一种替代。通过数值实验，我们观察到，估计成功地消除了偏差和置信区间的经验覆盖概率接近名义水平。另一方面，在某些情况下，渐近置信区间比自举置信区间宽得多。因此，建议将后者用于实际应用。
2021-09-26 stat.ME
Adjusting for bias due to measurement error in functional quantile regression models with error-prone functional and scalar covariates
针对分位数回归中函数型与标量协变量的测量误差偏差研究不足的问题，提出基于SIMEX和带重复测量的混合效应回归的校正方法，经模拟验证有限样本性质并通过真实数据集示例。
2024-04-15 stat.ME
Bounding the Risk Difference Bias Given Incomplete Parameters for Externally Adjusting Uncontrolled Confounding
University of California, Los Angeles (UCLA)（加州大学洛杉矶分校）；Aarhus University（奥胡斯大学）
本文针对未控制混杂的外部校正，在三个偏倚参数缺失一个时，提出风险差偏倚的尖锐双参数界限，并给出数值示例。
2026-09-22 stat.AP stat.CO stat.ME
Correcting nonignorable nonresponse bias in turnout estimation using callback data
Peking University（北京大学）；St. Jude Children’s Research Hospital（圣裘德儿童研究医院）；University of Michigan（密歇根大学）
本文通过整合回拨数据与人口普查信息，提出稳定性假设以校正非忽略性缺失，从而更准确估计投票率，并展示回拨数据在政治调查中的应用潜力。
2026-04-06 stat.ME
Adjusting for Participation Bias in Case-Control Genetic Association Studies for Rare Diseases
针对罕见病病例对照遗传关联研究中因基因型相关缺失导致的参与偏倚问题，提出可纳入协变量校正的估计方程方法，利用家系遗传信息补全缺失数据，经模拟验证性能后应用于乳腺癌家系病例对照研究。
2024-07-11 stat.ME
A general condition for bias attenuation by a nondifferentially mismeasured confounder
本文证明在非差分测量误差混杂因子下，调整测量误差混杂因子通常能减少因果效应估计偏倚，扩展了先前文献的适用条件。
2024-09-19 stat.ME
Bias-correction and Test for Mark-point Dependence with Replicated Marked Point Processes
标记点依赖在研究标记点过程的问题中起着至关重要的作用。在这项工作中，我们专注于调整标记点的依赖性时，估计的平均值和协方差函数的标记过程，独立复制的标记点过程。我们假设标记过程是一个高斯过程，点过程是一个对数高斯Cox过程，其中标记-点依赖性是通过两个潜在高斯过程之间的依赖性产生的。在此框架下，朴素局部线性估计忽略了标记点的依赖，可以严重偏置。我们表明，这种偏差可以使用交叉协方差函数的局部线性估计进行校正，并建立一致的偏差校正估计的收敛速度。此外，我们提出了一个基于局部线性估计的检验统计量的标记点的独立性，这是收敛到一个渐近正态分布的参数$\sqrt{n}$ -收敛速度。模型诊断工具的关键模型的假设和鲁棒的功能排列测试提出了更一般的一类标记点过程。所提出的方法的有效性证明了使用广泛的模拟和应用程序的两个真实数据的例子。
2022-07-25 math.ST stat.ME stat.TH
Adjusting for Many Covariates in Randomized Clinical Trials with GLMs: Bias Reduction by Jackknife and Practical Guidance
Shanghai Jiao Tong University（上海交通大学）；Yale University（耶鲁大学）
针对随机临床试验中协变量过多导致偏差的问题，提出基于jackknife的JASA及校准版JASACal方法，避免样本分割，可调整远超现有基准的协变量数量，并提供实用指导。
2026-09-15 stat.ME
Adjusting for Outcome Reporting Bias in Meta-analysis: A Multiple Imputation Approach
Epidemiology, Biostatistics and Prevention Institute (EBPI)（流行病学、生物统计学与预防研究所）；Center for Reproducible Science and Research Synthesis (CRS)（可重复科学与研究综合中心）；University of Zurich (UZH)（苏黎世大学）
该研究针对Meta分析中的结果报告偏倚问题，提出通过多重填补方法来解决，包括单变量和多变量Meta分析。通过应用于临床数据和模拟研究，验证了方法有效性，能提供偏差调整估计，为评估Meta分析结论对ORB的敏感性提供实用灵活方法。
2026-07-09 stat.ME
A Class of Computational Methods to Reduce Selection Bias when Designing Phase 3 Clinical Trials
针对3期临床试验设计中因选择偏倚导致疗效被高估的问题，提出一类可降低估计偏倚与均方误差、适配多治疗组和汇总输入的计算方法，经模拟与真实数据验证给出实施指引，可推广至其他选择问题。
2023-12-12 stat.ME
Adjusting for Misclassification: A Three-Phase Sampling Approach
美国农业部国家农业统计局（NASS）每年进行一次6月农业调查（JAS）。在预筛选过程中以及在对农场状态进行现场估计时，由于无响应和无法访问记录，发生了大量错误分类，导致JAS对美国农场数量的估计存在偏差。在这里，年度土地利用调查（ALUS）被提议作为JAS的后续调查，以调整美国农场数量和其他重要变量的估计。针对JAS-ALUS模型，提出了一种基于调查设计的三阶段估计方法，第二阶段为无响应调整。以显式形式给出了方差的设计无偏估计量.
2016-10-15 stat.ME
A Bayesian Selection Model for Correcting Outcome Reporting Bias With Application to a Meta-analysis on Heart Failure Interventions
多变量荟萃分析（MMA）是联合评价多个结局的处理效应的有力工具。然而，MMA结果的有效性可能会受到结果报告偏倚（ORB）或研究选择性报告结果的趋势的影响。直到最近，ORB才被充分研究。由于ORB可能导致有偏倚的结论，因此在ORB存在的情况下，纠正效应量的估计并量化其不确定性至关重要。有了这个目标，我们开发了一个贝叶斯选择模型来调整ORB在MMA。我们进一步提出了一个量化ORB对MMA结果影响的措施。我们通过对来自Cochrane系统评价数据库的748项双变量荟萃分析进行荟萃评价来评估我们的方法。我们的模型的动机和应用到一个荟萃分析的干预措施，再入院和生活质量的心力衰竭患者。在我们的分析中，调整ORB后，干预组再入院的相对风险（RR）从显著降低（RR：0.931，95%置信区间[CI]：0.862-0.993）变为统计学上无显著影响（RR：0.955，95% CI：0.876-1.051）。本研究表明，未能考虑ORB可能导致荟萃分析得出不同的结论。
2021-10-17 stat.AP
A Nonparametric Bayesian Model to Adjust for Monitoring Bias with an Application to Identifying Environments Stressed by Climate Change
提出基于单调样条的非参数贝叶斯模型以纠正事件时间估计中的监测偏差，在物候学应用中证明常用方法平均低估盛花期48天，揭示了此前未检测到的异常开花日期。
2025-03-06 stat.AP
Adjusting for Selection Bias Due to Missing Eligibility Criteria in Emulated Target Trials
针对目标试验模拟中因纳入标准变量缺失导致的选择偏倚问题，提出适配事件发生时间终点、基于逆概率加权的概念框架，经模拟和真实EHR数据验证有效。
2024-10-04 stat.AP stat.ME
Evaluating Bias Reduction Methods in Binary Emax Model for Reliable Dose-Response Estimation
University of California, Davis（加州大学戴维斯分校）；Pfizer Inc.（辉瑞公司）
本文通过评估三种偏倚减少方法，提出使用Jeffreys先验的MPLE在小样本和模型假设违反情况下提供更稳健的剂量-反应估计。
2025-09-22 stat.AP stat.ME
Confounder selection strategies targeting stable treatment effect estimators
在观察性研究中推断治疗对结果的因果效应需要调整观察到的基线混杂因素以避免偏倚。然而，当只有一个子集是关注效应的混杂因素时，已知对所有观察到的基线协变量进行调整会产生潜在低效和不稳定的处理效应估计值。此外，它还增加了有限样本偏差和模型误设定偏差的风险。由于这些原因，通常使用混杂因素（或协变量）选择来确定足以进行混杂调整的可用协变量子集。在这篇文章中，我们提出了一个混杂选择策略，重点是稳定估计的处理效应。特别是，当倾向得分模型已经包括足以调整混杂因素的协变量时，则添加与治疗或结局单独相关（但不是两者）的协变量不应系统性地改变效应估计量。因此，该提案首先需要优先考虑纳入倾向得分模型的协变量，然后使用估计值变化方法选择产生稳定效应估计值的最小调整集。根据经验评估该建议正确选择混杂因素的能力，并确保在数据驱动协变量选择后有效推断处理效应，并使用模拟研究与现有方法进行比较。我们使用三个不同的公开数据集通常用于因果推断的过程。
2020-10-10 stat.ME
Bias and high-dimensional adjustment in observational studies of peer effects
同伴效应是指一个人的行为受到同伴行为的影响，在社会科学中有多种理论。其他过程也可以产生在网络和群体中相关的行为，从而引发关于同伴效应的观察性（即非实验性）研究的可信度的争论。然而，确定同伴效应的随机现场实验通常是昂贵的或不可行的。因此，许多同伴效应的研究使用观察数据，和调整观察数据估计同伴效应的因果推断方法的先前评估缺乏一个实验的“金标准”进行比较。在这里，我们表明，在Facebook上的信息和媒体传播的背景下，使用倾向得分模型对非实验对照组（6.77亿次观察）进行高维调整，产生的同伴效应估计值在统计上与使用大型随机实验（2.2亿次观察）的结果没有区别。天真的观察估计夸大了320%的同伴效应和常用的变量（例如，人口统计学）几乎没有提供偏差减少，但调整与焦点行为密切相关的先前行为的测量，偏差减少了91%。针对超过3，700种过去行为进行调整的高维模型提供了额外的偏差减少，因此完整模型将偏差减少了97%以上。这项实验评估表明，详细记录个人过去的行为可以改善社会影响，信息传播和模仿的研究，这些结果是令人鼓舞的一些研究的可信度，但也对罕见或新的行为的研究提出了警告。更一般地说，这些结果显示了如何大，高维数据集和统计学习技术可以用来改善行为科学中的因果推断。
2017-06-14 cs.SI stat.AP stat.ME
Irregular measurement times in estimating time-varying treatment effects: Categorizing biases and comparing adjustment methods
本研究系统分类了时变治疗因果推断中不规则测量时间导致的偏倚，提出三类混杂偏倚并比较两种重加权调整方法，为实证分析提供选择指导。
2025-01-20 stat.ME
Correcting the Coverage Bias of Quantile Regression
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
本文提出一组与模型无关的方法来修正分位数回归的覆盖率偏差，通过建立留一法覆盖率与对偶变量拟合值的新联系，实现高维情形下低成本交叉验证与精确校准。
2025-11-07 math.ST stat.ME stat.TH
Soft calibration for selection bias problems under mixed-effects models
本文针对非概率抽样中的选择偏差问题，提出一种基于混合效应模型的软校准方法，对固定效应精确校准、对随机效应近似校准，兼具最佳线性无偏预测和惩罚倾向得分加权的优势，并通过模拟和实证验证了其高效性。
2023-02-23 stat.AP stat.ME
