A note on the bias due to omitted confounders
遗漏混杂因素导致的偏差：一则说明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：摘要直接讨论观测研究中遗漏混杂因素造成的参数偏差，是因果推断中混杂调整与偏差分析的问题。
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
遗漏混杂因素导致的偏差：一则说明
- 研究问题
- 在观测研究中，部分混杂因素得到调整而其他混杂因素被遗漏时，如何近似评估完整模型与简化模型参数之间的偏差？
- 方法与思路
- 作者近似描述完整与简化模型参数关系的函数，据此得到渐近偏差估计，并在逻辑回归和泊松回归中开展数值比较。
- 材料陈述的贡献
- 摘要称渐近偏差与模拟偏差在数值计算中吻合较好，并以吸烟和低出生体重之间关系的数据展示所提近似方法。
- 阅读关注点
- 应核对完整与简化模型的定义、近似展开及混杂因素分布要求，以及偏差针对的参数和数值比较的设置。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；未给出近似适用范围及混杂信息来源，不能据此消除遗漏混杂或确认因果效应。
原文摘要
In observational studies some confounders may be unknown and therefore omitted from the analysis while others are adjusted for. Approximations to the functions defining the relationship between the parameters in the full and reduced models are proposed leading to asymptotic bias estimates. Numerical calculations for logistic and Poisson regression models show good agreement between asymptotic and simulation bias. A data set containing the relationship between low birth weight and smoking (Hosmer & Lemeshow, 1989) is used as an illustration.