Bounding Causal Effects for Ordinal Outcomes Under Positive Dependence
正依赖条件下有序结果因果效应的界限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：摘要直接研究有序潜在结果的因果效应概率及其部分识别界限，支持因果推断和分布效应两个细分方向。
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
正依赖条件下有序结果因果效应的界限
- 研究问题
- 对于有序结果，何种潜在结果依赖条件能保证基于独立工作假设的因果效应界限有效，并使界限更有信息量？
- 方法与思路
- 作者检视常用正依赖条件，提出对角尾部占优条件 DTD，并利用局部 DTD 推导仅在部分概率表区域使用独立假设的界限。
- 材料陈述的贡献
- 摘要称常见正依赖不足以保证独立假设界限有效；DTD 可提供保证但较强，局部版本支持改进界限及临床试验示例。
- 阅读关注点
- 应核对 DTD 与局部 DTD 的正式定义、界限推导及其是否尖锐，并审视这些跨潜在结果条件在应用中的可辩护性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要明确指出 DTD 较强，但未提供各界限成立的完整条件与证明。
原文摘要
Defining and estimating causal effects for ordinal data is challenging. Standard average treatment effects are not appropriate for ordinal scales, and alternative estimands, such as the probabilities that the treatment outcome exceeds or does not worsen the control outcome, are generally not identifiable. Existing work provides sharp bounds for these quantities based only on marginal distributions. Motivated by a previous observation showing that bounds obtained under an independence working assumption can be substantially tighter, we investigate conditions under which such bounds are valid. We show that commonly used notions of positive dependence, including positive quadrant dependence and positive regression dependence, are not sufficient to justify these bounds. We then propose a new dependence condition, diagonal tail dominance (DTD), under which the independence-based bounds are guaranteed to hold. We explain why this condition is quite strong and may not be appropriate in many settings, limiting the justification for using the independence-based bounds. However, local DTD may be plausible in many applications, and we derive improved bounds that exploit an independence working assumption on selected parts of the probability table. Through theoretical results, numerical examples, and an analysis of data from a clinical trial of a new treatment for acute ischemic stroke, we illustrate the properties of the bounds and the role of the proposed conditions.