Doubly Robust Estimation under Possibly Misspecified Marginal Structural Cox Model
可能误设的边际结构 Cox 模型下的双重稳健估计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：摘要明确研究观察性生存结果中的因果效应、逆概率加权和双重稳健估计。
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…
可能误设的边际结构 Cox 模型下的双重稳健估计
- 研究问题
- 研究观察性生存数据中，非比例风险、信息性删失和模型误设如何影响因果推断，以及怎样构造具有双重稳健性的估计。
- 方法与思路
- 作者从边际结构 Cox 模型出发提出增广逆概率加权估计量，允许结合机器学习与非参数方法，并扩展到非比例风险下的时间平均效应。
- 材料陈述的贡献
- 摘要称，估计量具有双重稳健性质，可应对非可折叠性，并满足文献讨论的两类评价标准；应用考察中年饮酒与晚年死亡。
- 阅读关注点
- 应核对双重稳健性涉及哪些模型组合、删失与处理识别条件、时间平均效应的权重定义，以及机器学习推断所需的收敛要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明双重稳健的精确条件，无法判断任意模型误设下是否仍然有效。
原文摘要
In this paper we address the challenges posed by non-proportional hazards and informative censoring, offering a path toward more meaningful causal inference conclusions. We start from the marginal structural Cox model, which has been widely used for analyzing observational studies with survival outcomes, and typically relies on the inverse probability weighting method. The latter hinges upon a propensity score model for the treatment assignment, and a censoring model which incorporates both the treatment and the covariates. In such settings, model misspecification can occur quite effortlessly, and the Cox regression model's non-collapsibility has historically posed challenges when striving to guard against model misspecification through augmentation. We introduce an augmented inverse probability weighted estimator which, enriched with doubly robust properties, paves the way for integrating machine learning and a plethora of nonparametric methods, effectively overcoming the challenges of non-collapsibility. The estimator extends naturally to estimating a time-average treatment effect when the proportional hazards assumption fails. We closely examine its theoretical and practical performance, showing that it satisfies both the assumption-lean and the well-specification criteria discussed in the recent literature. Finally, its application to a dataset reveals insights into the impact of mid-life alcohol consumption on mortality in later life.