Interpretable Sensitivity Analysis for Balancing Weights
平衡权重估计的可解释敏感性分析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：摘要明确研究观测性因果效应估计及未测量混杂敏感性分析，直接对应因果推断。
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…
平衡权重估计的可解释敏感性分析
- 研究问题
- 观测研究使用平衡权重估计因果效应时，如何评估未测量混杂对结论的影响，并将敏感性参数转化为研究者能够解释的尺度？
- 方法与思路
- 作者为一类平衡权重估计量调整百分位自助法，在限制未测量混杂程度的框架中构造区间，并提出增强参数解释性的转换方法。
- 材料陈述的贡献
- 摘要称百分位自助法经较小修改即可在所设混杂限制下产生有效因果效应置信区间，同时提供可解释敏感性参数及真实数据示例。
- 阅读关注点
- 应核对混杂限制的数学定义、适用权重优化问题、自助法修改与有效性条件，以及参数解释转换是否需要额外建模假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明混杂限制和正则条件，区间有效性不代表未测量混杂已被消除。
原文摘要
Assessing sensitivity to unmeasured confounding is an important step in observational studies, which typically estimate effects under the assumption that all confounders are measured. In this paper, we develop a sensitivity analysis framework for balancing weights estimators, an increasingly popular approach that solves an optimization problem to obtain weights that directly minimizes covariate imbalance. In particular, we adapt a sensitivity analysis framework using the percentile bootstrap for a broad class of balancing weights estimators. We prove that the percentile bootstrap procedure can, with only minor modifications, yield valid confidence intervals for causal effects under restrictions on the level of unmeasured confounding. We also propose an amplification to allow for interpretable sensitivity parameters in the balancing weights framework. We illustrate our method through extensive real data examples.