Fixed-Effects Models for Causal Inference in Longitudinal Cluster Randomized and Quasi-Experimental Trials
纵向整群随机与准实验试验中用于因果推断的固定效应模型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：摘要明确研究纵向试验的处理效应，并用固定效应调整整群和个体时间不变因素，支持因果推断与面板数据。
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…
关注这篇论文的作者
纵向整群随机与准实验试验中用于因果推断的固定效应模型
- 研究问题
- 纵向整群随机及准实验试验中，固定效应模型能否在其他模型部分错设时一致估计总体边际处理效应，其实际目标参数是什么？
- 方法与思路
- 作者通过 M 估计框架分析线性及对数链接固定效应模型，刻画处理效应结构与时间不变混杂调整条件，并辅以模拟和案例重分析。
- 材料陈述的贡献
- 摘要称，固定效应模型可针对超总体边际效应获得模型稳健性，常数效应估计一般对应重叠人群的期间平均效应，并刻画准实验一致性条件。
- 阅读关注点
- 应核对各试验设计对应的目标人群与权重、处理效应结构正确性的要求，以及随机设计和准实验设计下稳健性条件的区别。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核验。摘要未列出完整条件或比较数值，不能据此认定所有固定效应模型都稳健或优于混合效应模型。
原文摘要
This article investigates the model-robustness of fixed-effects models for analyzing a broad class of longitudinal cluster trials (CTs) such as stepped-wedge, parallel-with-baseline and crossover designs, encompassing both randomized (CRTs) and quasi-experimental (CQTs) designs. We clarify a longstanding misconception in biostatistics, demonstrating that fixed-effects models, traditionally perceived as targeting only finite-sample conditional estimands, can effectively target super-population marginal estimands through an M-estimation framework. We comprehensively prove that linear and log-link fixed-effects models with correctly specified treatment effect structures can broadly yield consistent and asymptotically normal estimators for nonparametrically defined treatment effect estimands in longitudinal CRTs, even under arbitrary misspecification of other model components. We identify that the constant treatment effect estimator generally targets the period-average treatment effect for the overlap population (P-ATO); accordingly, some CRT designs don't even require correct specification of the treatment effect structure for model-robustness. We further characterize conditions where fixed-effects models can maintain consistency by adjusting for both cluster-level and individual-level time-invariant confounding in longitudinal CQTs. Altogether, supported by simulation and a case study re-analysis, we establish fixed-effects models as a robust and potentially preferable alternative to mixed-effects models for longitudinal CT analysis.