A Review of Generalizability and Transportability
可推广性与可迁移性综述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：摘要围绕目标总体因果效应、未测混杂和研究结果的推广与迁移展开。
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
可推广性与可迁移性综述
- 研究问题
- 当随机试验不代表目标总体、观察数据又可能存在未测混杂时，如何同时处理内部与外部有效性以估计目标总体因果效应？
- 方法与思路
- 作者提出处理外部有效性偏差的框架，综合可推广性和可迁移性方法、所需假设，以及处理效应异质性和总体差异检验。
- 材料陈述的贡献
- 摘要所述贡献是整理面向目标总体的因果推断框架，把研究内部的效应估计与研究结果能否推广到目标总体联系起来。
- 阅读关注点
- 应核对两类迁移问题的定义、研究与目标总体所需数据、选择机制假设，以及总体差异检验能支持哪些有效性判断。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未展开具体假设和检验，也不能据此认为未测混杂已解决。
原文摘要
When assessing causal effects, determining the target population to which the results are intended to generalize is a critical decision. Randomized and observational studies each have strengths and limitations for estimating causal effects in a target population. Estimates from randomized data may have internal validity but are often not representative of the target population. Observational data may better reflect the target population, and hence be more likely to have external validity, but are subject to potential bias due to unmeasured confounding. While much of the causal inference literature has focused on addressing internal validity bias, both internal and external validity are necessary for unbiased estimates in a target population. This paper presents a framework for addressing external validity bias, including a synthesis of approaches for generalizability and transportability, the assumptions they require, as well as tests for the heterogeneity of treatment effects and differences between study and target populations.