Adaptive discovery of effect modification in matched observational studies
匹配观察研究中效应修饰的自适应发现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：摘要明确研究匹配观察研究中的处理效应异质性，并通过混杂敏感性模型开展子群因果检验。
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
匹配观察研究中效应修饰的自适应发现
- 研究问题
- 在每个处理个体可匹配多个对照的观察研究中，如何发现可由协变量解释的效应异质性子群，同时控制错误发现并考虑未测量混杂？
- 方法与思路
- 作者提出子群识别与选择程序，通过敏感性模型处理未测量混杂，利用多个匹配对照增强检验能力，并在模拟和大学教育收益中评估。
- 材料陈述的贡献
- 摘要称，该程序具有有限样本有效性，精确控制子群层面的错误发现率；模拟与实际应用显示其相对基准方法的有利表现。
- 阅读关注点
- 应核对子群层面错误发现的定义、自适应搜索与选择如何校正、敏感性参数的含义，以及多个匹配对照进入检验的方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未给出敏感性模型与有效性条件，不能认为程序排除了所有未测量混杂。
原文摘要
Understanding effect modification -- how treatment effects vary across subpopulations -- is practically important in observational studies, as it helps identify which subgroups are likely to benefit from a given treatment. In this paper, we study the discovery of effect modification in matched observational studies, where each treated unit may be matched to multiple controls. We develop a finite-sample valid procedure for identifying and selecting covariate-interpretable subgroups, with exact control of the subgroup-level false discovery rate (FDR). Our method explicitly accounts for unmeasured confounding via sensitivity models, and leverages multiple matched controls to improve statistical power. We demonstrate the favorable performance of our method relative to baseline methods through extensive simulation studies and a real-world application to the economic returns to college education.