Conditional Permutation Tests and the Propensity Score in Observational Studies
观察性研究中的条件置换检验与倾向得分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。
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：摘要直接讨论观察性研究的处理分配、倾向得分与强可忽略性，属于因果推断方法。
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
观察性研究中的条件置换检验与倾向得分
- 研究问题
- 在处理分配机制未知的观察性研究中，能否利用关于分配机制的样本信息，为小样本检验和置信区间提供精确依据？
- 方法与思路
- 作者在处理分配强可忽略的前提下，对倾向得分未知参数的充分统计量条件化，并提出回溯算法及两种近似计算方法。
- 材料陈述的贡献
- 摘要称该框架涵盖若干常用检验，揭示条件置换下协变量调整与未调整均值差推断的联系，并扩展倾向得分的小样本应用。
- 阅读关注点
- 应核对强可忽略性与分配模型的具体要求、充分统计量的构造，以及精确条件推断、协变量调整等价性和近似算法的范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。精确性依赖所述分配条件，不能据此认为置换方法自动消除未观测混杂。
原文摘要
In observational studies, the distribution of treatment assignments is unknown, and therefore randomization tests are not generally applicable. However, permutation tests that condition on sample information about the treatment assignment mechanism can be applicable in observational studies, provided treatment assignment is strongly ignorable. These tests use the conditional distribution of the treatment assignments given a sufficient statistic for the unknown parameter of the propensity score. Several tests that are commonly used in observational studies are particular instances of this general procedure. Moreover, conditional permutation tests and covariance adjustment are closely related, in the sense that the conditional permutation distribution of the covariance adjusted difference leads to the same inferences as the conditional permutation distribution of the unadjusted difference of sample means. A backtrack algorithm is developed to permit efficient calculation of the exact conditional significance level, and two approximations are discussed. A clinical study of treatments for lung cancer is used to illustrate the technique. Conditional permutation tests extend previous large sample results on the propensity score by providing a basis for exact tests and confidence intervals in small observational studies when treatment assignment is strongly ignorable.