An exhaustive selection of sufficient adjustment sets for causal inference
因果推断中充分调整集的穷尽选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确围绕可忽略性、协变量调整集和平均因果效应展开。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
因果推断中充分调整集的穷尽选择
- 研究问题
- 在观察性数据中，如何发现所有能够满足可忽略性要求的协变量调整集，并利用这些集合改善因果效应分析？
- 方法与思路
- 作者提出一族调整集检测方法，不对结果模型施加参数假设，但对各处理组内协变量分布采用参数或半参数设定。
- 材料陈述的贡献
- 摘要称能够检测全部充分调整集，并借此改善平均因果效应估计、揭示协变量依赖结构中隐藏的处理与结果联系。
- 阅读关注点
- 应核对可忽略性及充分调整集的定义、检测全部集合所需条件、协变量分布设定，以及效应估计改善的具体含义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明如何排除未观测混杂、检测保证的条件及计算代价。
原文摘要
A subvector of predictor that satisfies the ignorability assumption, whose index set is called a sufficient adjustment set, is crucial for conducting reliable causal inference based on observational data. In this paper, we propose a general family of methods to detect all such sets for the first time in the literature, with no parametric assumptions on the outcome models and with flexible parametric and semiparametric assumptions on the predictor within the treatment groups; the latter induces desired sample-level accuracy. We show that the collection of sufficient adjustment sets can uniquely facilitate multiple types of studies in causal inference, including sharpening the estimation of average causal effect and recovering fundamental connections between the outcome and the treatment hidden in the dependence structure of the predictor. These findings are illustrated by simulation studies and a real data example at the end.