A Note on the Bias due to Omitted Confounders
关于遗漏混杂因素所致偏差的札记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：摘要直接讨论观察性研究中的遗漏混杂及调整后的偏差，与因果推断的混杂问题相关。
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
关于遗漏混杂因素所致偏差的札记
- 研究问题
- 观察性研究中，当部分混杂因素被调整、另一些未知混杂因素被遗漏时，如何近似评估完整模型与简化模型的参数偏差？
- 方法与思路
- 作者近似完整模型与简化模型参数之间的关系函数，得到渐近偏差估计，并在逻辑回归和 Poisson 回归中进行数值检验。
- 材料陈述的贡献
- 摘要称，所考察模型中渐近偏差与模拟偏差吻合较好，并以吸烟和低出生体重的关系数据示例说明该方法。
- 阅读关注点
- 应核对混杂因素的设定、参数关系近似的条件与误差，以及应用中哪些量需要已知或假定，如何解释偏差估计。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 摘要；未给出具体偏差数值或识别条件，近似偏差评估不能据此视为消除未知混杂。
原文摘要
In observational studies some confounders may be unknown and therefore omitted from the analysis while others are adjusted for. Approximations to the functions defining the relationship between the parameters in the full and reduced models are proposed leading to asymptotic bias estimates. Numerical calculations for logistic and Poisson regression models show good agreement between asymptotic and simulation bias. A data set containing the relationship between low birth weight and smoking (Hosmer & Lemeshow, 1989) is used as an illustration.