Sensitivity Analysis for Causal Decomposition Analysis: Assessing Robustness Toward Omitted Variable Bias
因果分解分析的敏感性分析：评估对遗漏变量偏误的稳健性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：摘要直接研究中介干预下的群体差距及未观测混杂敏感性，因此归入因果推断；未提供其他细分方向的依据。
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…
因果分解分析的敏感性分析：评估对遗漏变量偏误的稳健性
- 研究问题
- 将一个社会群体的中介变量分布调整为另一群体的分布后，结果差距减少多少，其估计对未观测混杂有多敏感？
- 方法与思路
- 作者提出基于回归系数和 R² 的敏感性分析，处理群体身份之前或之后的未观测混杂，并解释敏感性参数。
- 材料陈述的贡献
- 摘要称，该方法提供报告差距缩减结论稳健性的标准方式，并可用于基于干预型间接效应的其他中介分析。
- 阅读关注点
- 应核对差距缩减与剩余差距的目标量、混杂发生时序，以及回归系数和 R² 参数如何对应未观测混杂强度。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明具体模型条件及敏感性参数的校准方法。
原文摘要
A key objective of decomposition analysis is to identify a factor (the 'mediator') contributing to disparities in an outcome between social groups. In decomposition analysis, a scholarly interest often centers on estimating how much the disparity (e.g., health disparities between Black women and White men) would be reduced/remain if we set the mediator (e.g., education) distribution of one social group equal to another. However, causally identifying disparity reduction and remaining depends on the no omitted mediator-outcome confounding assumption, which is not empirically testable. Therefore, we propose a set of sensitivity analyses to assess the robustness of disparity reduction to possible unobserved confounding. We provide sensitivity analysis techniques based on regression coefficients and $R^2$ values. The proposed techniques are flexible to address unobserved confounding measured before and after the group status. In addition, $R^2$-based sensitivity analysis offers a straightforward interpretation of sensitivity parameters and a standard way to report the robustness of research findings. Although we introduce sensitivity analysis techniques in the context of decomposition analysis, they can be utilized in any mediation setting based on interventional indirect effects.