Joint mixed-effects models for causal inference in clustered network-based observational studies
聚类网络观察研究中用于因果推断的联合混合效应模型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：摘要明确讨论网络干扰下的因果效应识别及未观测聚类混杂，对应因果推断与网络干扰。
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…
聚类网络观察研究中用于因果推断的联合混合效应模型
- 研究问题
- 社会网络中存在个体间干扰，且聚类层面潜在因素同时影响暴露和结果时，如何识别并估计具有因果解释的暴露效应？
- 方法与思路
- 作者提出贝叶斯联合混合效应模型，同时建模暴露与结果，再结合直接标准化处理网络干扰和未观测的聚类层面混杂。
- 材料陈述的贡献
- 摘要称，联合模型在所设模拟中实现无偏估计，并以青少年健康纵向调查数据研究母亲大学教育对青少年在校表现的影响。
- 阅读关注点
- 应核对干扰结构与暴露定义、潜在聚类效应的建模限制、标准化对应的因果目标，以及识别所需条件如何支撑模拟和应用。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明具体识别假设，模拟无偏性不能推广至任意混杂机制。
原文摘要
Causal inference on populations embedded in social networks poses technical challenges, since the typical no interference assumption frequently does not hold. Existing methods developed in the context of network interference rely upon the assumption of no unmeasured confounding. However, when faced with multilevel network data, there may be a latent factor influencing both the exposure and the outcome at the cluster level. We propose a Bayesian inference approach that combines a joint mixed-effects model for the outcome and the exposure with direct standardization to identify and estimate causal effects in the presence of network interference and unmeasured cluster confounding. In simulations, we compare our proposed method with linear mixed and fixed effects models and show that unbiased estimation is achieved using the joint model. Having derived valid tools for estimation, we examine the effect of maternal college education on adolescent school performance using data from the National Longitudinal Study of Adolescent Health.