Sensitivity Analysis for Marginal Structural Models
边际结构模型的敏感性分析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：摘要围绕未测量混杂下的因果参数界及敏感性分析展开，直接属于因果推断；边际结构模型名称不构成结构估计分类依据。
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…
边际结构模型的敏感性分析
- 研究问题
- 在边际结构模型中，如何评估未测量混杂对因果参数的影响，并同时覆盖离散或连续处理、静态或随时间变化的处理？
- 方法与思路
- 作者考虑基于倾向、基于结果以及仅部分人群受到未测量混杂的三类敏感性模型，并分别构造因果参数界的估计量与置信区间。
- 材料陈述的贡献
- 摘要称，论文针对三类敏感性模型给出高效估计与区间推断方法，使未测量混杂分析能够覆盖多种处理类型和时间结构。
- 阅读关注点
- 应核对各敏感性模型的参数含义、参数界是否具有尖锐性，以及估计效率、区间覆盖和时变处理分析分别依赖哪些条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明敏感性参数范围、效率标准或界的性质，不能认定其消除混杂。
原文摘要
We introduce several methods for assessing sensitivity to unmeasured confounding in marginal structural models; importantly we allow treatments to be discrete or continuous, static or time-varying. We consider three sensitivity models: a propensity-based model, an outcome-based model, and a subset confounding model, in which only a fraction of the population is subject to unmeasured confounding. In each case we develop efficient estimators and confidence intervals for bounds on the causal parameters.