Vaccine efficacy for binary post-infection outcomes under misclassification without monotonicity
提出一种非参数点识别方法,在无需单调性假设且允许测量误差的情况下,利用地理分散试验和预处理协变量识别疫苗对感染及感染后结局的主效应,并支持多处理场景。
2024-09-19 math.ST stat.AP stat.ME
Relaxing monotonicity in endogenous selection models and application to surveys
本文考虑内生选择模型,特别是非参数的。当使用工具变量时,估计结果的无条件定律是可能的。使用一个选择方程,这是可加性分离的一维不可观测的工具单调性有时不可取的属性。我们提出的模型,允许非单调性和非参数随机系数指数的基础上。我们讨论了他们的非参数识别和应用这些结果推断非线性统计,如基尼指数在调查时,无响应不随机失踪。
2020-10-06 math.ST stat.TH
Bounds and Sensitivity Analysis of the Causal Effect Under Outcome-Independent MNAR Confounding
Linköping University(林雪平大学)
该研究针对混杂因素非随机缺失且缺失机制与结果独立的场景,给出了因果效应对比的无假设界,并提出配套的敏感性分析方法。
2024-11-01 cs.LG stat.ME stat.ML
Testing Monotonicity in a Finite Population
Stanford University(斯坦福大学);Brown University(布朗大学)
本文从基于设计的视角探讨有限人口中单调性的检验问题,指出尽管形式上可识别,但实际学习能力受限。
2026-08-05 econ.EM math.ST stat.ME
Semiparametric principal stratification analysis beyond monotonicity
Yale University of Public Health(耶鲁大学公共卫生学院);MRC Clinical Trials Unit at UCL, Institute of Clinical Trials and Methodology(伦敦大学学院医学研究委员会临床试验单元,临床试验与方法学研究所);Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院生物统计学、流行病学和信息学系);Center for Methods in Implementation and Prevention Science, Yale School of Public Health(耶鲁大学公共卫生学院实施与预防科学方法中心)
本文提出一种基于条件比值比敏感性参数的半参数主分层框架,突破单调性假设限制,并给出双重稳健和去偏机器学习估计方法,在重症监护试验中验证其有效性。
2025-09-18 stat.ME
Assumption Smuggling in Intermediate Outcome Tests of Causal Mechanisms
本文通过非参数边界分析证明中间结果检验在缺乏额外假设时无法确立或排除因果机制,并提出评估单调性假设合理性的方法,为两个近期实验估计边界。
2024-11-19 stat.AP 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
Phase transition of the monotonicity assumption in learning local average treatment effects
我们考虑的设置中,一个强大的二元工具可用于二元治疗。传统的LATE方法假设单调性条件,即没有defiers(或compliers)。由于这个条件并不总是明显的,我们调查的灵敏度和可测性的这个条件。特别是,我们专注于这个问题:轻微违反单调性会导致一个小问题还是一个大问题?我们发现一个相变的单调性条件。在相变的边界之一,很容易知道LATE的符号,而在边界的另一侧,不可能知道LATE的符号。不幸的是,相变的不可能的一面包括数据生成过程,在此过程中,反对者的比例趋于零。在二元结果的情况下,这种相变的边界被明确地表征。在特殊情况之外,不可能测试数据生成过程是否在边界的好的一侧。然而,在不遵守几乎是单方面的特殊情况下,这种检验是可能的。我们还提供了简单的替代单调性。
2021-03-24 econ.EM math.ST stat.TH
Assessing Sensitivity to IV Exclusion and Exogeneity without First Stage Monotonicity
Toulouse School of Economics(图卢兹经济学院);Duke University(杜克大学);Georgetown University(乔治城大学)
本文提出新的敏感性分析方法,用于评估工具变量排除和外生性假设的有效性,不依赖第一阶段的单调性要求,通过非参数放松方法分析潜在结果的边际分布及平均处理效应。
2026-04-08 econ.EM stat.ME
Instrumental Variable Estimation When Compliance is not Deterministic: The Stochastic Monotonicity Assumption
工具变量(IV)方法是一种基于观察性研究(其中存在未测量的混杂变量)对治疗效果进行因果推断的方法。该方法需要有效的IV,这是一个独立于未测量的混杂变量的变量,与治疗相关,但除了对治疗的影响外,对结局没有影响。IV方法经常采用的另一个假设是确定性单调性,即假设对于每例受试者,如果给定IV水平,受试者将接受的治疗水平是IV水平的单调递增函数。在确定性单调性下,IV方法确定依从者(如果IV鼓励接受治疗,则接受治疗,如果不鼓励则不接受治疗的受试者)的平均处理效应。然而,确定性单调性有时是不现实的。我们引入了一个随机单调性条件,放松确定性单调性,因为它不要求单调递增的关系保持在受试者之间的水平的IV和水平的治疗,受试者将采取,如果给定的水平的IV,但只有一个单调递增的关系保持在受试者之间的IV和治疗以某种方式。我们发现,在随机单调性下,IV方法确定了一个加权平均值的处理效应具有更大的权重的受试者的亚组上的IV具有较强的效果。我们提供了随机单调性和敏感性分析违反随机单调性假设的全局平均处理效应的界限。
2014-08-16 stat.ME
Doubly Robust Nonparametric Instrumental Variable Estimators for Survival Outcomes
工具变量(IV)方法使我们有机会解决因果推断中的不可测混杂。然而,大多数IV方法仅适用于离散或连续结局,很少有IV方法适用于删失生存结局。在这项工作中,我们提出了非参数估计的局部平均处理效应的生存概率下不可删失和可删失。我们提供了一个有效的基于影响函数的估计和一个简单的估计过程时,IV是二进制或连续的。所提出的估计具有双重鲁棒性,可以很容易地将非参数估计使用机器学习工具。在模拟研究中,我们证明了我们提出的估计在各种合理的情况下的灵活性和效率。我们将我们的方法应用于前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验,以估计筛查对生存概率的因果影响,并研究在不同删失假设下两种干预措施之间的因果对比。
2020-09-28 stat.ME
Efficient and flexible estimation of natural mediation effects under intermediate confounding and monotonicity constraints
自然直接效应和间接效应是中介被估量,它们分解了平均处理效应,并描述了通过中介值的诱导变化(在间接效应的情况下)或不通过中介值的诱导变化(在直接效应的情况下)对比处理水平如何影响结果。在存在给药诱导的混杂因素的情况下,自然直接和间接效应通常无法点识别,但如果愿意假设给药和给药诱导的混杂因素之间存在单调性,则仍可识别出自然直接和间接效应。我们认为,这种假设可能是合理的,在相对常见的交叉设计的试验设置,干预是随机治疗分配和治疗诱导的混杂因素是是否实际采取/坚持治疗。在单调性假设下,我们发展了自然的直接和间接效应的有效性理论,并利用它提出了一个非参数的多重稳健估计。我们使用模拟研究证明了该估计量的有限样本性质,并将其应用于“转向机会研究”的数据,以估计被随机分配接受第8节住房券(最常见的联邦住房援助形式)的自然直接和间接影响-对青少年男孩中出现任何情绪或外化障碍的风险。可能通过各种学校和社区特点运作。
2022-05-09 stat.AP stat.ME
Assessing Interactive Causes of an Occurred Outcome Due to Two Binary Exposures
School of Mathematics and Statistics, Beijing Technology and Business University(北京工商大学数学与统计学院);Center for Applied Statistics and School of Statistics, Renmin University of China(中国人民大学应用统计中心及统计学院);School of Systems Science and Statistics, Beijing Wuzi University(北京物资学院系统科学与统计学院)
本文提出通过后验概率评估两种二元暴露导致结果的交互原因,揭示吸烟与石棉暴露的协同效应是肺癌的主要归因因素。
2026-01-18 stat.AP
Mediation analysis in longitudinal intervention studies with an ordinal treatment-dependent confounder
University of Turku(图尔库大学);Finnish Institute for Health and Welfare(芬兰健康与福利研究所);University of Eastern Finland(芬兰东部大学);University of Helsinki(赫尔辛基大学)
本文研究了纵向中介变量、时间到事件结局及有序治疗依赖性混杂因素下的中介效应识别问题,提出在单调性假设下通过非参数表达式估计中介效应,并通过芬兰糖尿病预防研究验证了生活方式干预对2型糖尿病预防的中介作用。
2025-05-21 stat.AP
Partial Identification of Distributional Parameters in Triangular Systems
研究了三角系统分布参数的部分辨识问题。该模型由一个非参数结果方程和一个选择方程组成。这允许一般的未观察到的异质性和对不可观察的选择。本文所考虑的分布参数是潜在结果的边缘分布、它们的联合分布和处理效应的分布。我调查如何不同类型的合理的限制有助于确定这些参数。我考虑的限制包括随机优势和象限之间的依赖性不可观测和单调性之间的潜在结果。我的鉴定适用于整个人口没有充分支持条件的工具变量,不依赖于排名相似性。我还提供了数值例子来说明每个假设的识别能力。
2014-11-07 stat.ME
Tightening Bounds on Probabilities of Causation By Merging Datasets
Johns Hopkins University(约翰斯·霍普金斯大学);Amazon Research(亚马逊研究院)
本研究针对不同处理或观察性研究的外部数据集,提出因果关系概率的符号界,适用于任意维度,且比现有界更紧,允许处理机制差异并实现因果信息转移。
2023-10-12 cs.AI math.ST stat.TH
Apportioning Causal Responsibility of Two Risk Factors for an Adverse Outcome via Counterfactual Attribution
Statistical Laboratory, University of Cambridge(剑桥大学统计实验室);School of Mathematical Sciences, Peking University(北京大学数学科学学院)
提出一个量化框架,在无混杂和单调性假设下,通过反事实归因分配两个二元风险因素对已发生不良结果的因果责任,并建立非参数识别或推导出尖锐界限。
2026-06-18 stat.ME
Randomization Inference for Matched Pairs with Binary Outcomes
Meta
针对二元结局配对研究,提出无需额外分布假设的ATE置信集方法,通过二项式对称性引理简化检验,可扩展至敏感性分析,公式阐明观察研究的效应证据提供条件。
2026-09-04 econ.EM stat.ME
Assessing the commonly used assumptions in estimating the principal causal effect in clinical trials
在临床试验中,通常需要了解主要因果效应(PCE),即主要分层(由一个或多个基线后变量的潜在结局定义的患者子集)的平均处理效应。常用的假设包括单调性、主可重复性、主可重复性和主层独立性的跨世界假设。在这篇文章中,我们通过一项2 $\times$ 2交叉研究来评估这些假设,在该研究中,只要没有遗留效应和研究期效应,就可以观察到两种治疗的潜在结局。从这个例子来看,似乎单调性假设和治疗内主要可重复性假设并不成立。另一方面,以基线协变量为条件的跨世界主要可解释性和跨世界主要阶层独立性的假设似乎是合理的。在后一种假设下,我们估计了PCE,其定义为每个治疗阶段的血糖标准差是否增加,而不依赖于交叉特征,产生的估计值接近利用交叉特征时的结果。据我们所知,这篇文章是第一次尝试使用交叉试验来评估用于估计PCE的常用假设的可行性。
2022-10-04 stat.AP stat.ME
Randomization Inference For the Always-Reporter Average Treatment Effect
Columbia University(哥伦比亚大学);Princeton University(普林斯顿大学)
本文研究随机化推断在存在流失的随机对照试验中的处理效应,聚焦始终报告者(AR-ATE)的平均处理效应,提出一种最坏情况随机化检验以确保统计显著性。
2026-03-27 econ.EM stat.ME
Heterogeneous survivor average causal effects beyond monotonicity: Applications to a clinical trial evaluating mechanical ventilation strategies
Yale School of Public Health(耶鲁大学公共卫生学院);University of Alberta(阿尔伯塔大学);University of Pennsylvania(宾夕法尼亚大学);Yale University School of Medicine(耶鲁大学医学院)
针对重症监护临床试验中因死亡截断的结果,提出无单调性框架识别条件幸存者平均因果效应,基于BART的贝叶斯方法估计个体效应,应用于ARDS PEEP试验揭示被总体结果掩盖的异质性亚组。
2026-09-22 stat.AP stat.ME
Decomposition of Probabilities of Causation with Two Mediators
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本文研究含两个中介变量时如何将总必要性与充分性概率(PNS)分解为路径特定成分,提出识别定理并通过数值实验和真实教育数据验证方法。
2025-05-08 cs.AI stat.ME
From Global to Local Correlation: Geometric Decomposition of Statistical Inference
University of Maryland School of Medicine(马里兰大学医学院)
针对高维数据全局关联方法遗漏亚群异质模式的问题,提出基于黎曼图的几何分解框架,通过两种局部划分策略实现更精准的统计推断与多模态整合。
2025-11-19 math.ST stat.ME stat.ML
Forecast Sports Outcomes under Efficient Market Hypothesis: Theoretical and Experimental Analysis of Odds-Only and Generalised Linear Models
Research Center for Advanced Science and Technology(先进科学与技术研究中心)
本文提出两种方法改进betting odds转概率的准确性,通过OO-EPC和FL-GLM模型,在足球比赛数据中验证了其优于现有方法的性能。
2026-04-19 cs.LG stat.ML
Bounding probabilities of causation through the causal marginal problem
针对不同处理对同一结果影响的独立数据集,提出通过施加反事实一致性收紧因果概率界限,并引入基于条件互信息的证伪方法和最大熵推断方法。
2023-04-04 cs.IT math.IT stat.ME
Potential Outcome Rankings for Counterfactual Decision Making
本文针对不确定性下的反事实决策问题,提出潜在结果排序概率(PoR)和最佳潜在结果概率(PoB)两个新指标,建立识别定理、推导边界并提出估计方法,通过实验验证了估计器性质及真实数据集应用。
2025-11-13 cs.AI stat.ML