Towards Robust Matched Observational Studies with General Treatment Types: Consistency, Efficiency, and Adaptivity
一般处理类型下稳健匹配观察研究：一致性、效率与适应性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。
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：摘要明确研究匹配观察研究中的未观测混杂与敏感性分析，目标是因果结论的稳健性，直接属于因果推断。
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…
一般处理类型下稳健匹配观察研究：一致性、效率与适应性
- 研究问题
- 匹配观察研究中，如何对连续及其他非二元处理统一衡量检验和研究设计对未观测混杂的稳健性，并改进检验统计量选择？
- 方法与思路
- 作者建立两种等价的敏感性参数化，推广设计敏感性和 Bahadur–Rosenbaum 效率，并提出组合候选统计量的数据自适应方法。
- 材料陈述的贡献
- 摘要称，文章揭示将处理二分的常用做法存在负面结果，给出一般处理类型下两类稳健性指标的统一公式及自适应组合方法。
- 阅读关注点
- 核对两种参数化的一一对应、二分处理负面结果的条件、统一公式涉及的设计，以及自适应选择是否维持敏感性分析的有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未说明完整混杂模型和有限样本保证，敏感性分析不能证明未观测混杂不存在。
原文摘要
To ensure reliable causal conclusions from observational studies, researchers routinely conduct sensitivity analysis to assess robustness to unmeasured confounding. In matched observational studies (one of the most popular observational study designs), two foundational concepts, design sensitivity and Bahadur-Rosenbaum efficiency, are used to quantify the robustness of test statistics and study designs in sensitivity analyses. Unfortunately, these measures of robustness are unavailable for non-binary treatments (e.g., continuous treatments) and consequently, prevailing recommendations about robust tests may be misleading. In this work, we provide a unified framework to quantify the robustness of test statistics and study designs for any treatment type. We first present a negative result about a popular, ad-hoc approach based on dichotomizing the treatment variable. Next, we consider two complementary parameterizations of the sensitivity parameter that apply to arbitrary treatment types and establish a one-to-one correspondence between them. Using these equivalent parameterizations, we generalize design sensitivity and Bahadur-Rosenbaum efficiency and derive unified formulas for both quantities under general treatment types. We also propose a general data-adaptive approach that combines candidate test statistics to enhance robustness against unmeasured confounding. Our results yield new insights into the robustness of tests and study designs in matched observational studies with non-binary treatments.