A goodness-of-fit test for structural nested mean models
结构嵌套均值模型的拟合优度检验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：摘要明确研究时变混杂下纵向观察性治疗效应模型及双重稳健检验，直接对应因果推断。
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…
结构嵌套均值模型的拟合优度检验
- 研究问题
- 纵向观察性数据存在时变混杂时，如何检查粗结构嵌套均值模型的治疗效应设定，并降低辅助模型误设对检验尺寸的影响？
- 方法与思路
- 作者基于修正的过度识别约束检验构建拟合优度检验，研究其双重稳健性质，并通过模拟和 HIV 治疗启动时机应用进行展示。
- 材料陈述的贡献
- 摘要称治疗效应模型正确时，只要治疗启动模型或辅助结局回归之一正确，检验就具有正确的一类错误率；模拟展示其检出误设的能力。
- 阅读关注点
- 应核对过度识别限制如何构造、治疗效应模型与两个辅助模型各自的作用，以及双重稳健尺寸结论和识别所需条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；因果识别与渐近条件未说明，双重稳健尺寸结论以治疗效应模型正确为前提，不能推断刊本变化。
原文摘要
Coarse structural nested mean models are tools to estimate treatment effects from longitudinal observational data with time-dependent confounding. There is, however, no guidance on how to specify the treatment effect model, and model misspecification can lead to bias. We derive a goodness-of-fit test based on modified overidentification restrictions tests for evaluating a treatment effect model, and show that our test statistic is doubly-robust in the sense that, with a correct treatment effect model, the test has the correct type-I error if either the treatment initiation model or a nuisance regression outcome model is correctly specified. In a simulation study we show that the test has correct type-I error and can detect model misspecification. We use the test to study how the timing of antiretroviral treatment initiation after HIV infection predicts the effect of one year of treatment in HIV-positive patients with acute and early infection.