Sensitivity of Two-Sample Permutation Inferences in Observational Studies
观察性研究中双样本置换推断的敏感性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：摘要直接讨论非随机处理分配、未观测偏差以及处理与对照比较的敏感性，属于因果推断的识别边界分析。
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
观察性研究中双样本置换推断的敏感性
- 研究问题
- 观察性研究中处理分配并非随机时，未观测协变量导致的分配机会差异会怎样改变双组置换检验及置信区间？
- 方法与思路
- 作者把随机化参照分布嵌入包含未观测协变量的单参数偏离族，通过改变参数展示显著性水平和区间的敏感性。
- 材料陈述的贡献
- 摘要提出未匹配双样本情形的敏感性展示方法，可用于多种秩检验、生存检验和二元响应检验，并展示比较间的敏感性差异。
- 阅读关注点
- 应核对敏感性参数如何约束处理分配、显著性与区间如何计算，以及未匹配情形和先前匹配方法的技术区别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明。敏感性分析不等于消除未观测混杂；参数的具体定义及计算条件摘要未说明，不能推断刊本变化。
原文摘要
In observational studies, subjects are not randomly assigned to treatment or control, so they may differ in their chances of receiving the treatment. A simple method is developed and demonstrated for displaying the sensitivity of conventional two-group permutation inferences to departures from random assignment of treatments. The unmatched case, discussed here, differs in certain technical and computational details from the matched case, discussed previously; however, the underlying model and the method for quantifying departures from randomization are the same. The method may be applied to Wilcoxon's rank sum test, the Gehan and log-rank tests for censored outcomes, Mantel's test for scored categories, and Fisher's exact test for binary responses. The method embeds the usual randomization reference distribution in a one-parameter family of departures involving an unobserved covariate that would have been controlled by adjustments had it been observed. As this parameter is varied, the sensitivity of permutational significance levels and confidence intervals is displayed. Brief discussion of an example shows that comparisons vary considerably in their degree of sensitivity to unobserved biases.