Calibrating confounding strength in sensitivity models for weighting estimators: a comparative review and a new method
加权估计敏感性模型中混杂强度的校准：比较综述与新方法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：摘要围绕无混杂假设的放松、IPW 处理效应估计和负向控制辅助的敏感性分析展开，直接对应因果推断。
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…
加权估计敏感性模型中混杂强度的校准：比较综述与新方法
- 研究问题
- 在 IPW 的边际敏感性模型中，如何为偏离无混杂假设的强度参数选择合理数值，使处理效应敏感性分析更易解释和应用？
- 方法与思路
- 作者综述混杂强度的估计或下界校准策略，提出利用负向控制的新方法，并通过决策树指南和深入模拟比较帮助选择方法。
- 材料陈述的贡献
- 摘要明确贡献是既有校准策略的比较、新的负向控制方法及实践选择指南；摘要未报告哪种方法在何种情形下更优。
- 阅读关注点
- 应核对各策略校准的是混杂强度本身还是下界、负向控制需要哪些有效性条件，以及参数尺度和效应界如何共同解释。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明新方法的识别条件、校准公式或模拟比较的具体结果。
原文摘要
Causal inference is only valid when its underlying assumptions are satisfied, one of the most central being the ignorability or unconfoundedness assumption. However, this hypothesis is often unrealistic in observational studies, as some confounding variables may remain unobserved. To address this limitation, sensitivity models for Inverse Probability Weighting (IPW) estimators, known as Marginal Sensitivity Models, have been introduced, allowing for a controlled relaxation of ignorability. A substantial body of literature has emerged around these models, aiming to derive sharp and robust bounds for both binary and continuous treatment effects. A key element of these approaches is the specification of a sensitivity parameter, referred to as the "confounding strength", which quantifies the extent of deviation from ignorability. Yet, determining an appropriate value for this parameter is challenging, and the final interpretation of sensitivity analyses can be unclear. We believe these difficulties represent major obstacles to the adoption of such methods in practice. Therefore, after introducing sensitivity analyses for IPW estimators, we review different strategies to estimate or lower bound the confounding strength, introduce a new method leveraging negative controls, provide a decision tree with guidelines to choose a suitable approach, and compare the methodologies in an in-depth simulation study.