Sensitivity Analysis of the Consistency Assumption
一致性假设的敏感性分析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：摘要直接讨论潜在结果一致性假设、隐藏处理版本与因果结论的敏感性，属于因果推断中的假设稳健性分析。
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…
一致性假设的敏感性分析
- 研究问题
- 当名义上相同的处理存在未观测版本时，自然发生的结果与干预结果之间的一致性如何受到影响，因果结论对此有多敏感？
- 方法与思路
- 作者区分基线协变量与处理版本，引入新的数学记号，并提出针对隐藏处理版本所致混杂的敏感性分析，以例子说明应用。
- 材料陈述的贡献
- 摘要提出将敏感性分析的关注点扩展到未观测处理版本，例如手术中的医生技能，并建立支持这一分析的新记号与方法。
- 阅读关注点
- 应核对处理版本如何定义和映射到潜在结果、敏感性参数的含义与取值依据，以及该分析如何区别于未观测协变量混杂。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未提供参数化形式、识别界或应用结果，不能量化一致性违反的影响。
原文摘要
Sensitivity analysis informs causal inference by assessing the sensitivity of conclusions to departures from assumptions. The consistency assumption states that there are no hidden versions of treatment and that the outcome arising naturally equals the outcome arising from intervention. When reasoning about the possibility of consistency violations, it can be helpful to distinguish between covariates and versions of treatment. In the context of surgery, for example, genomic variables are covariates and the skill of a particular surgeon is a version of treatment. There may be hidden versions of treatment, and this paper addresses that concern with a new kind of sensitivity analysis. Whereas many methods for sensitivity analysis are focused on confounding by unmeasured covariates, the methodology of this paper is focused on confounding by hidden versions of treatment. In this paper, new mathematical notation is introduced to support the novel method, and example applications are described.