Outcome-Adjusted Balance Measure for Generalized Propensity Score Model Selection
在这篇文章中，我们提出了结果调整的平衡措施，执行模型选择的广义倾向得分（GPS），这是一个重要组成部分，在两个以上的治疗水平的观察性研究的成对平均处理效应（ATE）的估计。平衡测量的主要目标是识别GPS模型规格，使得所得ATE估计器是一致且有效的。根据最近的经验和理论证据，我们建立了最佳的GPS模型应该只包括与结果相关的协变量。给定一组候选GPS模型，结果调整的平衡测量通过匹配每个候选模型来插补所有基线协变量，并选择使插补的协变量值与原始协变量值之间的绝对均值差的加权和最小化的模型。权重被定义为利用协变量-结果关系，使得没有最佳变量选择的GPS模型受到惩罚。在适当的假设下，我们表明，结果调整的平衡措施始终选择最佳的GPS模型，使由此产生的GPS匹配估计是渐近正常的和有效的。我们比较其有限样本的性能与现有的措施在模拟研究。我们说明了所提出的方法在辅导数据分析中的应用。
2021-07-26 stat.ME
Limited-Information Maximum Likelihood based Model Selection Procedures for Binary Outcomes
不可测协变量是因果推断中的重要问题之一。即使存在一些不可测量的协变量，一些工具变量方法，如两阶段残差包含（2SRI）估计，或有限信息极大似然（LIML）估计，可以获得因果效应的无偏估计，尽管存在非线性结果，如二元结果，但它要求我们不仅指定正确的结果模型，而且还指定正确的治疗模型。因此，检测正确的模型是一个重要的过程。在本文中，我们提出了两个模型选择过程：AIC型和BIC型，并确认其性质。建议的模型选择程序是基于LIML估计。我们证明了所提出的BIC型模型选择过程具有模型选择一致性，并通过仿真数据验证了所提出的模型选择过程的性质.
2021-12-29 math.ST stat.ME stat.OT
Feature selection in stratification estimators of causal effects: lessons from potential outcomes, causal diagrams, and structural equations
估计平均因果效应的理想回归（如果有的话）是什么？我们研究这个问题的设置离散协变量，推导出各种分层估计的有限样本方差的表达式。这种方法澄清了许多被广泛引用的结果背后的基本统计现象。我们的论述结合了三种不同的方法论传统研究因果效应估计的见解：潜在的结果，因果关系图和结构模型与添加剂错误。
2022-09-23 stat.ME stat.ML
Two-Stage TMLE to Reduce Bias and Improve Efficiency in Cluster Randomized Trials
群集随机试验（CRT）将干预措施随机分配给个体组（例如，诊所或社区），并测量这些群体中个人的结果。在提供许多优点的同时，这种试验设计引入了现有分析方法仅部分解决的挑战。首先，集群中的一些个体往往没有结果。未能适当调整不同的结果测量可能会导致有偏见的估计和推断。其次，CRT通常随机化有限数量的集群，导致两组之间基线结果预测因素的机会不平衡。如果不对这些不平衡和其他预测协变量进行自适应调整，可能会导致效率损失。为了解决这些方法上的差距，我们提出并评估了一种新的两阶段有针对性的基于最小损失的估计（TMLE），以优化精度的方式调整基线协变量，在控制基线和基线后缺失结果的原因。有限样本模拟表明，我们的方法几乎可以消除偏差，由于差分结果测量，而现有的CRT估计产生误导性的结果和推论。应用到来自于社区随机试验的真实数据，证明了在控制了个体水平结果的缺失后，通过对基线协变量进行自适应调整所获得的效率。
2021-10-20 stat.AP stat.ME stat.ML
Penalized G-estimation for effect modifier selection in a structural nested mean model for repeated outcomes
针对重复结局的结构嵌套均值模型中效应修饰因子未知的问题，提出兼具效应估计与因子选择功能的双稳健惩罚G估计量，证明其神谕性质，经模拟验证性能后应用于透析治疗异质性研究。
2025-01-19 stat.ME
Instrumental Variables with Treatment-Induced Selection: Exact Bias Results
工具变量（IV）估计在分析条件为处理时存在选择偏差。Judea Pearl早期对工具变量的图形化定义明确禁止对治疗进行条件反射。尽管如此，这种做法仍然很普遍。在本文中，我们推导出精确的解析表达式IV选择偏差在一系列的数据生成模型，并为各种选择诱导程序。我们提出了四组线性模型的结果。首先，IV选择偏差取决于调节程序（协变量调整vs.样本截断）。其次，协变量调整导致的IV选择偏差是样本截断导致的IV选择偏差的极限情况。第三，在某些模型中，选择下的IV和OLS估计量限制了大样本中的真实因果效应。第四，我们描述的情况下，尽管选择的治疗IV仍然首选OLS。这些结果拓宽了IV选择偏差的概念，超越了样本截断，取代以前的模拟结果与精确的分析公式，并使正式的敏感性分析。
2020-05-19 econ.EM 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
Treatment Effect Bias from Sample Snooping: Blinding Outcomes is Neither Necessary nor Sufficient
关于观察性数据分析的流行指南指出，在确定匹配标准或倾向得分时，结局应设盲。非正式地说，这种盲目性是为了保持分析的“客观性”，并防止分析师利用机会不平衡来获得积极的结果。与此相反，我们表明，结果致盲是不足以保障捕鱼。设盲和非设盲分析员在可以从基线协变量近似预测结局的情况下可能产生相同数量级的偏倚。我们结合分析结果和模拟来说明这种脆弱性。最后，为了证明结果设盲对于防止偏倚是不必要的，我们概述了一种替代的样本划分程序，用于估计对照组的平均处理效应或治疗组的平均处理效应。该程序使用最终分析步骤中所有分区的所有结果数据，但不要求分析不完全预先指定。
2022-07-23 math.ST stat.ME stat.TH
On Associative Confounder Bias
当估计治疗对观察数据结局的因果影响时，以一些对治疗和结局变量都有因果影响的混杂因素集为条件，足以消除所有此类混杂因素引入的偏倚。这是通过将它们包括在倾向得分模型中，在所谓的潜在结果框架中进行因果推断，而在因果图形建模框架中，通常对它们进行调节。然而，在前一个框架中，当建模者发现一个变量与治疗和结果都无因果关系时，这是令人困惑的。有些人认为，这些变量也应该包括在分析中，以消除偏见。但其他人认为，他们没有引入偏见，所以他们应该被排除在外，条件反射在治疗和结果之间引入了虚假的依赖关系，从而导致估计中的额外偏见。我们表明，在不同的情况下，这两个参数可能会有错误。当发现这样一个变量时，两种行为都不能给出正确的因果效应估计。选择一个行动而不是另一个行动是必要的，以便减少错误。我们讨论如何选择更好的行动。
2018-04-21 stat.ME
Limiting Bias from Test-Control Interference in Online Marketplace Experiments
在A/B测试中，典型的目标是测量总平均处理效应（TATE），其测量如果所有用户都被处理的平均结果与如果所有用户都未被处理的平均结果之间的差异。然而，当对照单位的结果取决于治疗单位的结果时，一个简单的均值差估计量将给出TATE的有偏估计，我们称之为测试-对照干扰的问题。使用建立在Airbnb数据之上的模拟，本文考虑使用网络干扰文献中的方法进行在线市场实验。我们将市场建模为一个网络，在这个网络中，如果两个卖家的商品可以相互替代，那么他们之间就存在一个优势。然后，我们模拟卖方的结果，特别是考虑“现状”的情况下，“治疗”的情况下，迫使所有卖家降低价格。我们使用相同的模拟框架来近似TATE分布，这些分布是通过使用块图聚类随机化、暴露建模和平均值差异的Hajek估计量产生的。我们发现，虽然块图聚类随机化降低了高达62%的天真的均值差异估计的偏差，它也显着增加了估计的方差。另一方面，使用更复杂的估计产生混合的结果。虽然有些提供了（小）额外的偏差减少和方差的小减少，其他导致增加的偏差和方差。总的来说，我们的研究结果表明，实验设计和分析技术，从网络实验文献是有前途的工具，减少偏见，由于测试控制干扰市场实验。
2020-04-25 econ.EM stat.AP stat.ME
Bounding bias due to selection
当流行病学研究是在人群的一个子集中进行时，选择偏倚会威胁到因果推断的有效性。无论所选人群是否为目标人群，这种偏倚都可能发生，甚至在不存在确定性-结果混杂的情况下也可能发生。然而，通常很难量化选择偏倚的程度，而且敏感性分析也很难进行和理解。在这篇文章中，我们证明，由于选择的偏差的大小可以由简单的表达式定义的参数表征的未测量的因素（S）负责的偏差和测量变量之间的关系。对于这些不可测量的因素，没有必要进行函数形式的假设。利用有关选择机制的知识，研究人员可以通过指定界限中参数的大小来解释选择偏差的可能程度。我们还表明，界限，这取决于目标人群不同，导致汇总措施，可用于计算所需的参数的最小幅度的风险比为零。概括性度量可用于确定解释一个结果所必需的选择的总体强度。然后，我们表明，在某些情况下，或与某些假设的界限和汇总措施可以简化。使用不同的选择机制的例子，我们还演示了研究人员如何实现这些简单的敏感性分析。
2019-06-05 stat.ME
Measurement bias: a structural perspective
测量偏差（MB）的因果结构仍然存在争议。借助有向无环图（DAG），本文提出了一种新的结构，用于测量一个单例变量，其MB出现在一个不完美的I/O设备类测量系统的选择。然而，对于效果估计，额外的甲基溴来源来自于测量的接触和测量的结果之间的任何冗余关联。对于共同结局，错误分类将是双向差异的，对于因果关系，错误分类将是单向差异的，而对于测量暴露和测量结局之间的共同原因或无效效应，错误分类将是无差异的。测量的暴露实际上会影响测量的结果，反之亦然。反向因果关系是一个定义在测量层面的概念。我们新的DAG已经阐明了MB的结构和机制。
2020-12-23 stat.ME
On the Graphical Rules for Recovering the Average Treatment Effect Under Selection Bias
Yale School of Public Health（耶鲁大学公共卫生学院）；Yale University School of Medicine（耶鲁大学医学院）
本文提出了一种新的图示规则和方法，用于处理选择偏差下恢复平均处理效应的两种特殊情况，通过g计算和IPW方法构建识别公式并验证其有效性。
2026-08-16 stat.ME
On Identifying Total Effects in the Presence of Latent Variables and Selection bias
Kyoto University（京都大学）；Osaka University（大阪大学）
假设变量之间的因果关系可以用有向无环图和相应的线性结构方程模型来描述，考虑了在存在潜变量和处理变量与反应变量之间的选择偏差的情况下总效应的识别问题。Pearl和他的同事提供了后门标准、前门标准（Pearl，2000年）和条件工具变量方法（Brito和Pearl，2002年）作为存在潜变量但不存在选择偏差的情况下总效应的可识别性标准。为了解决这一问题，我们提出了新的图形识别总效应的可识别性准则的基础上可识别的因素模型。本文的结果对观测研究中总效应的识别有一定的参考价值，并对因子模型的识别条件提供了新的观点。
2012-06-13 cs.AI stat.AP stat.ME
Using Experiments to Correct for Selection in Observational Studies
针对观察性数据存在选择偏差而实验数据缺乏主要结果的问题，提出基于潜在无混杂假设的选择偏差纠正方法，利用次要结果预测差异估计处理效应，实验证明其能有效消除偏差并复现实验结果。
2025-05-28 econ.EM stat.ME
Reducing bias in difference-in-differences models using entropy balancing
本文说明了熵平衡的使用差异中的差异分析时，干预前的结果趋势表明可能违反平行趋势假设。我们描述了一组假设，根据这些假设，即使干预前的结果趋势不平行，平衡干预组和对照组对干预前结果趋势的加权也会导致一致的差异估计。模拟结果验证，熵平衡的干预前的结果趋势可以消除偏见时，平行的趋势假设不直接满足，从而使研究人员可以使用差异中的差异设计在更广泛的观察设置比以前承认的。
2020-11-09 econ.EM stat.ME
Post-selection inference for high-dimensional mediation analysis with survival outcomes
针对高维中介场景下生存结局的边际中介效应缺乏有效后选择推断方法的问题，提出基于半参数有效影响函数的最大选择自然间接效应后选择推断流程，验证了其渐近正态性与良好实证表现，并在肺癌数据中识别出相关甲基化位点。
2024-08-12 math.ST stat.ME stat.TH
Outcome Regression Methods for Analyzing Hybrid Control Studies: Balancing Bias and Variability
本文针对混合对照研究，提出增强、G计算和加权回归三种结局回归方法，探讨偏倚与方差权衡，模拟与实例表明加权回归在提升效率方面表现更优。
2025-01-29 stat.ME
Propensity Score Adapted Covariate Selection for Causal Inference
本文提出了一种适应于倾向得分的变量选择方法，用于选择倾向得分模型中的协变量，以消除观察性研究中的混杂偏倚，提高统计效率。我们的变量选择方法是专门为因果推断而设计的，它只需要倾向得分是$\sqrt{n}$ -通过参数模型一致估计，不需要正确的潜在结果模型的规范。通过使用估计的倾向得分作为逆概率治疗权重，对结局进行自适应套索，成功排除了工具变量，并包括混杂因素和结局预测因素。在“线性结合”条件下证明了它的预言性质。我们还进行了一些数值模拟，以说明我们的倾向得分适应协变量选择程序，并评估其性能下的模型误设定。与其他协变量选择方法进行了比较，通过使用人工数据，我们发现，它是更强大的排除工具变量和虚假的协变量。
2021-09-11 stat.ME
Non-collapsibility and Built-in Selection Bias of Hazard Ratio in Randomized Controlled Trials
本文通过模拟研究随机对照试验中Cox风险比的非可折叠性与固有选择偏倚，发现条件风险比存在偏差，而逆概率治疗加权Cox模型可无偏估计边际风险比，并建议避免使用时期特异性风险比。
2024-01-12 stat.ME
Causal inference to detect selection bias in road safety epidemiology
在道路安全领域，通常使用责任分析来评估某一特定因素对事故责任风险的影响，但仅限于涉及事故的驾驶员。即使这种设计现在在该领域被广泛采用，选择偏差的问题也经常被提出。结构因果模型框架现在提供了有价值的工具，以评估观察数据的因果效应和识别选择偏差。在这篇文章中，我们简要回顾了最近的结果，从选择偏置数据的因果效应的可恢复性，并将其应用到责任分析的情况下。我们的目标是正式确定因果关系是否可以通过这种类型的分析，无偏估计，当可用的数据仅限于严重的事故，因为它是在实践中常见的情况。然而，由于速度有直接影响的严重程度的事故，我们表明，因果的赔率比是不可估计的责任分析。我们提出的数值结果来说明我们的论点，偏差的大小，并讨论最近的结果，从实际数据。
2018-10-14 stat.ME
Instrumental variables as bias amplifiers with general outcome and confounding
通过观察性研究得出因果推论是许多学科的核心支柱。确定因果效应的一个充分条件是治疗-结局关系在观察到的协变量的条件下是无混杂的。人们通常认为，我们所依赖的协变量越多，这种无混淆性假设就越合理。这种信念对实际的因果推理产生了巨大的影响，这表明我们应该对所有预处理协变量进行调整。然而，当治疗和结局之间存在不可测量的混杂时，调整某些治疗前协变量的估计值可能比未调整该协变量的估计值具有更大的偏倚。这种协变量被称为偏倚放大器，包括独立于混杂因素的工具变量，仅通过治疗影响结果。以前，这种现象的理论结果只建立在线性模型上。我们填补了这一空白，在文献中提供了一个一般的理论，表明这种现象发生在一个广泛的一类模型满足一定的单调性假设。我们进一步表明，当治疗以下的加性或乘性模型的条件下的工具变量和混杂因素，这些单调性假设可以解释为因果图的箭头的符号。
2017-01-16 math.ST stat.AP stat.TH
Doubly Robust Proximal Causal Inference under Confounded Outcome-Dependent Sampling
未测量的混杂和选择偏倚在观察性研究中经常引起关注，如果不适当解释，可能会使因果分析无效。在结果依赖性抽样下，对治疗、结果和样本选择过程具有因果影响的潜在因素可能导致不可测量的混杂和选择偏倚，从而在没有额外假设的情况下无法识别标准因果参数。在处理效应的比值比模型下，Li et al. 2022通过利用一对阴性对照变量作为混杂和选择偏倚来源的潜在因素的代理，建立了因果效应的近端识别和估计。然而，他们的方法完全依赖于所谓的治疗混淆桥函数的存在和正确规范，这是一种限制治疗分配机制的模型。在这篇文章中，我们提出了双重稳健估计的优势比模型下的两个滋扰功能-治疗混杂桥函数和结果混杂桥函数，限制了结果的法律，使我们的估计是一致的，渐近正常的，如果桥函数模型是正确的指定，而不知道哪一个是。因此，我们提出的双稳健估计量可能比Li等人的估计量更稳健。我们的模拟证实，提出的优势比因果效应的近端估计可以充分考虑剩余混杂和选择偏差，在规定的条件下，校准良好的置信区间在广泛的情况下，标准方法通常无法保持一致。此外，建议的双重稳健估计是一致的，如果至少有一个混杂桥函数被正确指定。
2022-08-02 stat.ME
Recover Experimental Data with Selection Bias using Counterfactual Logic
Department of Computer Science（计算机科学系）；Florida State University（佛罗里达州立大学）
本文利用结构因果模型构建反事实世界，提出图形与理论准则及方法，从有偏实验数据中恢复无偏因果分布$P(Y^*_{x^*})$，并通过模拟验证其有效性。
2025-06-04 cs.AI stat.ME
Selection bias when using instrumental variable methods to compare two treatments but more than two treatments are available
工具变量（IV）方法被广泛用于校正观察性研究中由未测量混杂因素引起的估计处理效应的偏倚。在本手稿中，我们提供了经验和理论证据，证明如果应用于受试者根据其接受的治疗进行预选的数据集，IV方法可能导致偏倚处理效应。我们认为这是一个选择偏差的问题，并提出了一个程序，确定感兴趣的处理效应的敏感性参数的向量的函数。我们还列出了分析预选数据不会导致偏倚处理效应估计的假设。使用模拟研究所提出的方法的性能进行检查。我们将我们的方法应用于健康改善网络（THIN）数据库，以评估二甲双胍和磺脲类药物对糖尿病患者体重增加的比较效果。
2015-03-03 stat.ME
Double machine learning for sample selection models
本文考虑了由于样本选择或结果磨损而仅观察到亚群结果时离散分布治疗的评价。对于识别，我们将治疗分配的可观察选择假设与关于结局损耗/样本选择过程的可观察选择或工具变量假设相结合。我们还考虑了动态混杂，这意味着共同影响样本选择和结果的协变量可能（至少部分）受到治疗的影响。为了以数据驱动的方式控制治疗前和/或治疗后协变量的潜在高维集合，我们将用于治疗评估的双重机器学习框架适应于样本选择问题。我们利用（a）奈曼正交，双重鲁棒性和有效的评分函数，这意味着处理效应估计的鲁棒性，以在基于机器学习的结果，治疗或样本选择模型的估计中适度正则化偏差和（b）样本分裂（或交叉拟合），以防止过度拟合偏差。我们证明了所提出的估计量是渐近正常的和根-n一致的机器学习器在特定的规律性条件下，并在模拟研究中研究其有限样本性质。我们还将我们提出的方法应用于就业团队的数据，以评估培训对小时工资的影响，这些培训仅以就业为条件。该估计量可在统计软件R的计算权重包中获得。
2021-07-15 econ.EM stat.ME stat.ML
Causal Selection of Covariates in Regression Calibration for Mismeasured Continuous Exposure
Harvard School of Public Health（哈佛大学公共卫生学院）；Yale School of Public Health（耶鲁大学公共卫生学院）
本文提出在回归校正中选择协变量的方法，以校正连续暴露测量误差导致的偏差，并探讨了在因果推断框架下如何选择最小和最高效的协变量调整集。
2023-09-18 stat.ME
A Constraint-Based Algorithm For Causal Discovery with Cycles, Latent Variables and Selection Bias
自然界中的因果过程可能包含循环，而真实数据集可能违反因果充分性并包含选择偏差。目前没有基于约束的因果发现算法可以同时处理周期、潜变量和选择偏差（CLS）。因此，我介绍了一种算法，称为循环因果推断（CCI），使健全的推论与条件独立的预言CLS下，只要我们可以表示为一个非递归的线性结构方程模型的非递归的因果过程的独立错误。实证结果表明，CCI优于CCD在循环的情况下，以及竞争对手的FCI和RFCI在非循环的情况下。
2018-05-05 cs.LG stat.ME stat.ML
Towards a holistic understanding of Selection Bias for Causal Effect Identification
Carnegie Mellon University（卡内基梅隆大学）；University of California, Berkeley（加州大学伯克利分校）
研究在观测研究中存在选择偏差时，如何利用弱假设刻画倾向得分和选择概率，给出平均处理效应可识别性的充要条件，扩展了现有图形识别准则。
2026-06-01 cs.AI cs.LG stat.ME
Detecting clinician implicit biases in diagnoses using proximal causal inference
Stanford University（斯坦福大学）
该研究提出一种基于近端因果推断的方法，通过近端中介分析患者社会人口学属性对临床医生诊断决策的路径特定效应，利用UK Biobank真实数据检测大规模医疗数据中临床医生隐性偏见对患者结果的影响。
2025-01-27 cs.LG stat.AP
Bounds on direct and indirect effects under treatment/mediator endogeneity and outcome attrition
因果中介分析旨在将处理效应分解为通过中间结果或中介物运作的间接机制，以及处理对感兴趣结果的直接效应。然而，直接和间接影响的评估往往是复杂的治疗和/或调解人，即使在控制了可观察到的，以及样本选择/结果磨损的不可替代的选择。我们提出了一种方法，在存在这种并发症的情况下，使用的方法是基于一系列线性规划问题的边界的直接和间接的影响。考虑到逆概率加权的倾向分数，我们计算的权重，将产生识别的情况下的并发症和扰动它们的熵参数反映了特定量的倾向分数误设定，以确定感兴趣的影响。我们应用我们的方法，从全国青年纵向调查1979年的数据，得出的解释和解释不清的成分的性别工资差距分解，很可能倾向于不可解释的调解人的选择和结果的磨损的界限。
2020-05-03 econ.EM stat.ME
Valid Instrumental Variables Selection Methods using Negative Control Outcomes and Constructing Efficient Estimator
在观察性研究中，当存在不可测协变量时，通常采用工具变量（IV）方法。在孟德尔随机化（MR）中，通常使用许多单核苷酸多态性（SNP）构建等位基因评分;然而，通过包括一些无效IV来估计偏倚的因果效应存在风险。无效IV是与某些未观察到的变量相关联的IV的候选者。为了解决这个问题，本文提出了一种新的策略：使用阴性对照结果（NCO）作为辅助变量。通过使用NCO，我们基本上可以只选择有效的IV并排除无效的IV，而无需任何IV候选者的信息。我们还提出了新的两步估计过程，并证明了半参数有效性。我们证明了优越的性能相比，现有的估计，通过模拟研究所提出的估计。
2022-08-19 math.ST stat.ME stat.OT
A triangular treatment effect model with random coefficients in the selection equation
本文在选择方程中考虑了具有复杂非均匀性的内循环条件下的处理效果。我们将内源性治疗的结果建模为三角系统，其中结果和第一阶段方程均由随机系数模型组成。第一阶段特别允许非单调选择进入治疗。我们提供的条件下，潜在的结果，平均值和分位数的治疗效果，所有条件的第一阶段的随机系数的边缘分布，被确定。在相同的条件下，我们得到的（条件）联合分布的潜在结果和治疗收益的界限，并提供额外的条件，他们的点识别。所有条件量通过加权积分产生无条件效应（\emph{e.g.}，平均治疗效应）。
2015-08-25 math.ST stat.TH
An empirical likelihood approach to reduce selection bias in voluntary samples
本文提出一种经验似然加权方法，在不可忽略选择模型下通过偏差校准和基准约束降低自愿样本选择偏差，并开发线性化方差估计，模拟验证其性能。
2023-05-11 math.ST stat.ME stat.TH
Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding
TU Dortmund University（多特蒙德工业大学）；University Alliance Ruhr（鲁尔大学联盟）
针对连续变量因果效应估计问题，本文推导了存在选择偏差与混杂时的可识别条件，提出线性两步回归估计器（TSR），经模拟验证其在对应场景下的正确性且方差更低。
2026-08-24 cs.LG stat.ME stat.ML
Local Constraint-Based Causal Discovery under Selection Bias
University of Amsterdam（阿姆斯特丹大学）；Microsoft Research Cambridge（微软剑桥研究院）
我们认为，除了混杂的问题，发现因果关系的独立性约束的选择偏差。虽然开创性的FCI算法是健全和完整的，在这种设置下，没有标准的因果关系的解释，其输出下的选择偏见是目前已知的。相反，我们专注于本地模式的独立关系，在那里我们找到没有声音的方法，只有三个变量，可以包括背景知识。Y-结构模式被证明是合理的选择偏差下的数据，其中可能存在周期预测因果关系。我们引入了一个有限样本评分规则的Y结构，成功地预测因果关系的模拟实验，包括选择机制。在真实世界的微阵列数据上，我们表明Y结构变体在不同的数据集上表现良好，可能会避免由于选择偏差而导致的虚假相关性。
2022-03-03 cs.AI cs.LG stat.ML
Causal Calculus in the Presence of Cycles, Latent Confounders and Selection Bias
Informatics Institute（信息学研究所）；University of Amsterdam（阿姆斯特丹大学）
我们证明了因果演算（也称为do-calculus）的I/O结构因果模型（ioSCM），最近提出的一般类的非线性结构因果模型，允许周期，潜在的混淆和任意概率分布的推广的主要规则。我们还推广调整标准和公式从非循环设置到一般的（即ioSCM）。这样的标准，然后允许估计（条件）的因果关系的影响，从观察数据（部分）收集的选择偏差和周期。这将后门标准、选择后门标准和这些标准的扩展推广到任意ioSCM。总之，我们的研究结果，从而使因果推理的周期，潜在的混杂因素和选择偏见的存在。最后，我们扩展的ID算法的因果关系的识别ioSCM。
2019-07-03 cs.AI cs.LG stat.ME
Benefits and costs of matching prior to a Difference in Differences analysis when parallel trends does not hold
本研究在平行趋势假设不成立时，分析了DiD分析前匹配的偏差权衡，提出匹配基线协变量通常降低偏差，而匹配预处理结果既有收益也有成本，并给出实用指南。
2024-02-07 math.ST stat.ME stat.TH
Complete Causal Identification from Ancestral Graphs under Selection Bias
Korteweg-de Vries Institute for Mathematics, University of Amsterdam（科特维格-德弗里斯数学研究所，阿姆斯特丹大学）
本文提出在选择偏见下基于祖先图的因果识别算法，通过建立条件独立关系的理论框架，实现对因果结构的完整识别。
2026-03-27 math.CO math.PR math.ST
Reducing Selection Bias in Counterfactual Reasoning for Individual Treatment Effects Estimation
University of Alberta（阿尔伯塔大学）
反事实推理是一个重要的范式，适用于许多领域，如医疗保健，经济学和教育。在这项工作中，我们提出了一种新的方法来解决这个问题的\textit{selection bias}。我们学习了两组潜在随机变量，其中一组对应于仅导致选择偏差的变量，另一组与结果预测相关。它们由自动编码器学习，其中基于Pearson相关系数（PCC）的额外正则化损失鼓励两组随机变量之间的去相关。这允许通过仅保留与估计个体治疗效果相关的潜在变量来明确减轻选择偏倚。在合成玩具数据集和基准数据集上的实验结果表明，我们的算法能够实现最先进的性能，并改善其对应的结果，没有明确的模型的选择偏差。
2019-12-19 cs.LG stat.ML
Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference
Peking University（北京大学）；University of Science and Technology of China（中国科学技术大学）；Beijing Technology and Business University（北京工商大学）
本文从因果推断视角将推荐系统中的邻域效应形式化为干扰问题，提出处理表示、理想损失及两个估计器，在同时存在选择偏差和邻域效应时实现无偏学习，并通过半合成与真实实验验证其有效性。
2024-04-30 cs.IR cs.LG stat.ML
Minimizing Interference and Selection Bias in Network Experiment Design
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
目前网络中A/B测试的方法集中在限制干扰，担心治疗效果可能从治疗节点“溢出”到控制节点，并导致有偏见的因果效应估计。网络实验设计的主要方法依赖于两阶段随机化，其中稀疏连接的集群被识别，集群随机化决定了节点分配给治疗组和对照组。在这里，我们表明，集群随机化并不能确保足够的节点随机化，它可能会导致选择偏差，治疗和控制节点代表不同的用户群体。为了解决这个问题，我们提出了一个原则性的网络实验设计框架，共同最大限度地减少干扰和选择偏差。我们介绍了边缘溢出概率和聚类匹配的概念，并证明了它们对设计网络A/B测试的重要性。我们在一些真实世界的数据集上的实验表明，我们提出的框架导致因果效应估计的误差显着低于现有的解决方案。
2020-04-15 cs.LG cs.SI stat.ML
Selection and Collider Restriction Bias Due to Predictor Availability in Prognostic Models
King’s College London（伦敦国王学院）
本文探讨了预测模型中因预测变量可用性导致的选择和碰撞限制偏差问题。
2026-02-19 stat.AP stat.ME
A Bias Correction Method in Meta-analysis of Randomized Clinical Trials with no Adjustments for Zero-inflated Outcomes
许多临床终点指标，如每周消耗的标准饮料数量或患者住院天数，都是带有过多零的计数数据。然而，这种结果的零膨胀性质有时在临床试验分析中被忽略。这导致研究水平干预效应的偏倚估计，从而导致荟萃分析中总体干预效应的偏倚估计。目前的研究提出了一种新的统计方法，零膨胀偏倚校正（ZIBC）方法，可以解释使用泊松回归模型时引入的偏倚，尽管在随机临床试验的结果分布中有很高的膨胀零率。这种校正方法只需要来自个体研究的汇总信息来校正干预效果估计值，就好像它们是使用零膨胀泊松回归模型适当估计的一样，因此当某些研究中无法获得个体参与者水平的数据时，它对于荟萃分析是有吸引力的。模拟研究和实际数据分析表明，ZIBC方法在大多数情况下都能很好地校正零通胀偏差。
2021-06-25 stat.AP stat.ME
Assessing the effectiveness of empirical calibration under different bias scenarios
背景：从观察数据中估计因果效应会受到各种来源的偏倚的影响。在处理效应的估计中调整剩余偏差的一种方法是通过阴性对照结果，其中处理不影响结果。经验校准程序是一种使用阴性对照校准p值的技术。经验校准的扩展通过使用阴性对照结果以及阳性对照结果（其中治疗影响结果）校准处理效应估计值的95%置信区间的覆盖范围。方法：使用具有已知处理效应的模拟数据集分析置信区间的经验校准的效果。模拟包括二进制处理和二进制结果，与未测量的混杂因素，模型误设，测量误差，缺乏积极性的偏差。通过确定置信区间覆盖范围的变化和处理效应估计值的偏倚，评价经验校准的性能。结果如下：在大多数偏倚情况下，经验校准增加了处理效应估计值的95%置信区间的覆盖范围，但在调整处理效应估计值的偏倚时不一致。经验校准的置信区间是最有效的调整时，未测量的混杂偏倚。合适的阴性对照对经验校准所做的调整有很大影响，但使用不合适的阴性对照时，也可观察到感兴趣结果覆盖范围的小幅改善。
2022-06-05 stat.AP stat.ME
Bayesian Variable Selection for High-Dimensional Predictors with Missing Psychometric Outcomes
Vanderbilt University Medical Center（范德堡大学医学中心）；University of California, Riverside（加州大学河滨分校）
针对心理测量中高维多模态预测变量与缺失多变量结果，提出SHIM贝叶斯框架，结合层次马蹄收缩与缺失结果处理，模拟验证平衡灵敏度与假阳性，并应用于阿尔茨海默病队列。R包shim已公开。
2026-09-11 stat.AP stat.ME
Estimation of ascertainment bias and its effect on power in clinical trials with time-to-event outcomes
虽然临床试验的黄金标准是使所有参与者，研究人员和评估人员对治疗分配保持盲态，但这并不总是可能的。当上述部分或全部个体知道治疗分配时，这使得研究容易引入随机化后偏倚。在减少伤害和建立对老年人信心的策略（STRIDE）试验中，我们发现，非盲临床医生以及参与研究的个人有可能将确认偏倚引入到部分但非所有构成主要结局的事件中。在这篇手稿中，我们提出了估计事件发生时间结局的确定偏倚的方法，并讨论了其对试验总体功效的影响，以及将结局定义改为更严格的无偏倚定义，限制对测量的关注，而不太可能进行潜在的差异评估。我们发现，在大多数情况下，最好像STRIDE那样将定义修改为更严格的定义，即使观察到的事件较少。
2020-10-02 stat.AP stat.ME
A comparative study of augmented inverse propensity weighted estimators using outcome-oriented covariate selection via penalization with outcome-adaptive lasso
本文比较 AIPW 估计量中 PS 模型采用 OAL、结果模型采用不同惩罚协变量选择的效果，发现两端均使用具 oracle 性质的面向结果选择时性能最佳。
2025-01-12 stat.ME
Quantitative bias analysis for outcome phenotype error correction in comparative effect estimation: an empirical and synthetic evaluation
本研究评估了定量偏倚分析（QBA）在观察性药物流行病学比较效应估计中校正结局表型误差的效果，发现在低发生率且未校正OR较大的场景中校正效果最佳，但输入误差易导致结果无效，强调了精确估计表型误差的重要性。
2023-05-24 stat.AP stat.ME
Iterative variable selection for high-dimensional data with binary outcomes
我们提出了一个迭代变量选择方案的高维数据与二元结果。该方案采用了结构化的筛选框架，并在同一框架内使用非局部先验贝叶斯模型选择。结构化筛选是基于自变量与结果的关联，该结果以最大边际似然估计量来衡量。与几个著名的方法在真阳性率和错误发现率方面的性能比较表明，我们提出的方法是一个有竞争力的替代稀疏高维变量选择与二进制结果。该方法已在R包GWASinlps中实现。
2022-11-06 stat.ME
Multi-Signal Safety Surveillance with Bayesian Latent Factor Modeling and Bias Correction
Department of Biostatistics, University of Michigan（密歇根大学生物统计学系）
该研究针对观察性医疗数据多信号安全监测的复杂问题，提出结合经验偏差校正与低秩潜在因子建模的多信号贝叶斯序贯监测框架，经美国保险理赔数据库的疫苗安全监测研究验证有效。
2026-08-05 stat.AP stat.ME
Assessing Selection Bias in Regression Coefficients Estimated from Non-Probability Samples, with Applications to Genetics and Demographic Surveys
选择偏差是一个严重的潜在问题，推理的关系，科学利益的基础上没有明确的概率抽样机制的样本。受潜在选择偏倚的影响，（a）在志愿者遗传研究中多基因评分（PGS）与表型的估计关系，以及（b）在智能手机用户调查中亚组平均值的估计差异，我们推导出新的选择偏倚测量方法，用于估计线性和概率回归模型中拟合非概率样本的系数，当所选样本和目标人群的总体辅助数据可用时。这些措施产生于正常模式混合模型，允许分析师检查他们的推断的敏感性，在这些样本中的非一致性选择的假设。我们在模拟研究中检查了所提出的措施的有效性，然后使用它们来量化选择偏差：（a）在通过Facebook招募的志愿者的大型研究中估计的PGS-phenotype关系，以及（b）在低学历智能手机用户的非概率样本中估计的过去一年平均就业时间的亚组差异。我们评估这些应用程序中使用的基准估计大概率样本的措施的性能。
2021-03-08 stat.AP stat.ME
Bayesian outcome selection modelling
精神病学和社会流行病学通常涉及评估环境暴露对难以直接测量的结果的影响。为了解决这个问题，通常使用被认为与共同的、潜在的感兴趣结构相关的一组全面的不同测试来测量结果。例如，在激发我们工作的应用程序中，研究人员希望评估宫内酒精暴露对儿童认知和神经心理发育的影响，这些影响是使用一系列不同的测试进行评估的。对所得到的多个结局数据进行统计分析可能具有挑战性，不仅是因为需要说明对同一个体测量的结局之间的相关性，而且因为通常不清楚哪些结局受研究中暴露的影响。虽然研究人员通常会有一些关于哪些结果是重要的假设，但需要一个框架来帮助识别对暴露敏感的结果，并量化相关的治疗或暴露效应。我们提出了这样一个框架，使用随机搜索变量选择（SSVS），流行的贝叶斯变量选择模型的修改，并使用它来量化的整体效果的曝光受影响的结果。我们调查的方法，通过模拟的性能，并说明其应用程序的数据从一项研究，涉及产前酒精暴露对儿童认知的影响。
2022-03-22 stat.ME
A flexible approach for variable selection in large-scale healthcare database studies with missing covariate and outcome data
先前的工作已经表明，当协变量和结果数据随机随机缺失（MAR）时，将自举插补与基于树的机器学习变量选择方法相结合可以在完全观察到的数据上提供可实现的良好性能。然而，这种方法在计算上是昂贵的，特别是在大规模数据集上。我们提出了一种基于推理的方法，称为RR-BART，它利用基于似然的贝叶斯机器学习技术，贝叶斯加性回归树，并使用鲁宾的规则来结合估计和方差的变量重要性措施的多插补数据集的变量选择在MAR数据的存在。我们进行了一个有代表性的模拟研究，调查RR-BART的实际操作特性，并将其与基于自举插补的方法进行比较。我们进一步证明了方法，通过一个案例研究的风险因素，3年发病率的代谢综合征中年妇女使用的数据从全国妇女健康研究（SWAN）。模拟研究表明，即使在复杂的条件下的非线性和非加性与大比例的缺失，RR-BART可以合理地恢复预测和变量选择性能，实现充分观察到的数据。RR-BART提供了基于自举插补的方法可以通过最佳选择阈值实现的最佳性能。此外，RR-BART表现出更强的检测离散预测因子的能力。此外，RR-BART提供了大量的计算节省。当在SWAN数据上实施时，RR-BART通过选择一组预测因子来增加文献，这些预测因子不太常被确定为风险因素，但具有实质性的生物学依据。
2022-04-13 stat.AP stat.ME
