Using Multivariate Matched Sampling and Regression Adjustment to Control Bias in Observational Studies
利用多变量匹配抽样与回归调整控制观察性研究偏差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。
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：摘要直接研究观察性研究中匹配与回归调整对协变量相关偏差的控制。
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
利用多变量匹配抽样与回归调整控制观察性研究偏差
- 研究问题
- 在结果变量与匹配变量呈适度非线性关系的观察性研究中，多变量匹配和回归调整能否有效控制这些变量导致的偏差？
- 方法与思路
- 作者用蒙特卡洛方法评价匹配抽样与回归调整，重点考察最近可用马氏距离匹配结合匹配对差值回归调整的方案。
- 材料陈述的贡献
- 摘要称该组合方案对控制指定匹配变量引起的偏差十分有效；这一陈述来自其模拟研究，未给出具体数值与适用范围。
- 阅读关注点
- 核对非线性结果模型、协变量分布及匹配实施细节，并区分模拟中可控制的协变量偏差与未观测混杂问题。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模拟结论不能直接证明一般因果识别或消除未观测混杂，刊本变化未知。
原文摘要
Monte Carlo methods are used to study the efficacy of multivariate matched sampling and regression adjustment for controlling bias due to specific matching variables X when dependent variables are moderately nonlinear in X. The general conclusion is that nearest available Mahalanobis metric matching in combination with regression adjustment on matched pair differences is a highly effective plan for controlling bias due to X.