Nonparanormal Adjusted Marginal Inference
非正态变换模型下的协变量调整边际推断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：摘要直接研究随机试验的边际治疗效应，并通过结局与协变量的联合分布进行调整，涉及因果推断与分布建模。
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
非正态变换模型下的协变量调整边际推断
- 研究问题
- 随机试验中，如何通过协变量调整提高边际治疗效应的估计精度，同时避免条件优势比或风险比随调整变量改变而失去可比性？
- 方法与思路
- 作者提出结局与协变量的非正态变换联合模型，直接以边际治疗效应参数建模，并提供整体决定系数及各协变量的预后强度指标。
- 材料陈述的贡献
- 摘要称，对标准化均值差证明了有信息预后变量可提高估计精度；模拟与三个应用也支持优势比和风险比的精度改善。
- 阅读关注点
- 应核对联合模型的限制、边际效应如何从模型中得到，以及均值差的精度证明能否推广至优势比和风险比及其所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明模型误设的影响，也不能据此确认各种效应均有相同理论保证。
原文摘要
Although treatment effects can be estimated from observed outcome distributions obtained from proper randomization in clinical trials, covariate adjustment is recommended to increase precision. For important treatment effects, such as odds or hazard ratios, conditioning on covariates in binary logistic or proportional hazards models changes the interpretation of the treatment effect and conditioning on different sets of covariates renders the resulting effect estimates incomparable. We propose a novel nonparanormal model formulation for adjusted marginal inference. This model for the joint distribution of outcome and covariates directly features a marginally defined treatment effect parameter, such as a marginal odds or hazard ratio. Not only the marginal treatment effect of interest can be estimated based on this model, it also provides an overall coefficient of determination and covariate-specific measures of prognostic strength. For the special case of Cohen's standardized mean difference d, we theoretically show that adjusting for an informative prognostic variable improves the precision of the marginal, noncollapsible effect. Empirical results confirm this not only for Cohen's d but also for odds and hazard ratios in simulations and three applications. A reference implementation is available in the R add-on package tram.