Navigating Unmeasured Confounding in Quantitative Sociology: A Sensitivity Framework
应对定量社会学中的未测混杂：敏感性分析框架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：摘要明确研究观察性因果推断中的未测混杂与敏感性分析，并将其连接到研究设计和识别策略，因此归入因果推断。
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…
关注这篇论文的作者
应对定量社会学中的未测混杂：敏感性分析框架
- 研究问题
- 社会学观察性研究如何系统评估未测混杂对统计推断的影响，并把敏感性分析纳入研究设计而不仅作为事后稳健性检查？
- 方法与思路
- 作者提出整合敏感性分析的五步工作流程，扩展既有框架，并以 Blau 和 Duncan 的研究为例展示不同方法的互补作用。
- 材料陈述的贡献
- 摘要称该框架将敏感性分析前置到研究设计，帮助展示未测混杂带来的不确定性并提高因果透明度，但未列出具体步骤。
- 阅读关注点
- 应核对五步流程、各方法的敏感性参数与解释方式，以及经验示例如何将混杂强度、识别策略和结论变化联系起来。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明参数设定和经验数值，敏感性分析不能据此证明不存在未测混杂。
原文摘要
Unmeasured confounding remains a critical challenge in causal inference for the social sciences. This paper proposes a sensitivity analysis framework to systematically evaluate how unmeasured confounders influence statistical inference in sociology. Given these sensitivity analysis methods, we introduce a five-step workflow that integrates sensitivity analysis into research design rather than treating it as a post-hoc robustness check. Using the Blau and Duncan (1967) study as an empirical example, we demonstrate how different sensitivity methods provide complementary insights. By extending existing frameworks, we show how sensitivity analysis enhances causal transparency, offering a practical tool for assessing uncertainty in observational research. Our approach contributes to a more rigorous application of causal inference in sociology, bridging gaps between theory, identification strategies, and statistical modeling.