Revisiting the g-null paradox
重新审视 g-null 悖论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：摘要讨论观察数据中持续治疗策略的因果效应、时变混杂及参数化 g-公式。
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…
重新审视 g-null 悖论
- 研究问题
- 在时变混杂因素受既往处理影响时，参数化 g-公式为何可能面临必然的模型误设，这对持续治疗策略的因果估计意味着什么？
- 方法与思路
- 作者重新解释 g-null 悖论，借助解析例子和模拟展示相关条件下参数化 g-公式估计的偏差，并讨论模型设定的影响。
- 材料陈述的贡献
- 摘要称澄清了该悖论在因果研究中的含义与后果，结果强调应用 g-公式时应避免对其组成部分使用过度简约的模型。
- 阅读关注点
- 应核对悖论成立的条件与参数模型类别、例子中的误设来源，以及增加模型灵活性后是否仍存在偏差或不稳定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出偏差大小，也未证明灵活模型能普遍消除悖论相关问题。
原文摘要
The parametric g-formula is an approach to estimating causal effects of sustained treatment strategies from observational data. An often cited limitation of the parametric g-formula is the g-null paradox: a phenomenon in which model misspecification in the parametric g-formula is guaranteed under the conditions that motivate its use (i.e., when identifiability conditions hold and measured time-varying confounders are affected by past treatment). Many users of the parametric g-formula know they must acknowledge the g-null paradox as a limitation when reporting results but still require clarity on its meaning and implications. Here we revisit the g-null paradox to clarify its role in causal inference studies. In doing so, we present analytic examples and a simulation-based illustration of the bias of parametric g-formula estimates under the conditions associated with this paradox. Our results highlight the importance of avoiding overly parsimonious models for the components of the g-formula when using this method.