Instrumental Variable Estimation of Marginal Structural Mean Models for Time-Varying Treatment
时变处理的边际结构均值模型：工具变量估计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：摘要明确讨论未观测混杂下时变处理效应的工具变量识别与估计。
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…
时变处理的边际结构均值模型：工具变量估计
- 研究问题
- 纵向研究中存在未观测时变混杂、序贯随机化失效时，能否利用时变工具变量识别边际结构均值模型中的处理方案效应？
- 方法与思路
- 作者给出基于时变工具变量的充分识别条件，其中要求未观测混杂因素不能预测处理的依从类型，并构造简单加权估计量。
- 材料陈述的贡献
- 摘要称，建立边际结构均值模型参数的识别条件，考察加权估计量的有限样本表现，并分析分娩医院类型对新生儿存活的影响。
- 阅读关注点
- 应核对依从类型限制的精确定义及其余工具变量条件，理解权重构造与目标效应，并评估医院类型应用中条件的可信度。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；完整识别条件、权重公式及应用效应数值未提供，不能据此认定工具变量有效。
原文摘要
Robins introduced Marginal Structural Models (MSMs), a general class of counterfactual models for the joint effects of time-varying treatment regimes in complex longitudinal studies subject to time-varying confounding. In his work, identification of MSM parameters is established under a Sequential Randomization Assumption (SRA), which rules out unmeasured confounding of treatment assignment over time. We consider sufficient conditions for identification of the parameters of a subclass, Marginal Structural Mean Models (MSMMs), when sequential randomization fails to hold due to unmeasured confounding, using instead a time-varying instrumental variable. Our identification conditions require that no unobserved confounder predicts compliance type for the time-varying treatment. We describe a simple weighted estimator and examine its finite-sample properties in a simulation study. We apply the proposed estimator to examine the effect of delivery hospital type on neonatal survival probability. Supplementary materials for this article are available online.