Longitudinal Causal Inference with Selective Eligibility
具有选择性资格的纵向因果推断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：摘要直接研究时变治疗、选择性资格、纵向因果效应的识别及双重稳健估计。
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…
具有选择性资格的纵向因果推断
- 研究问题
- 当过去治疗影响未来治疗资格并引起不可忽略的退出时，如何定义和识别纵向治疗效应及特定治疗序列下的预期事件数？
- 方法与思路
- 作者针对给定历史治疗序列下会获得资格的子群定义目标量，在广义序贯可忽略性下推导两套识别公式及有效影响函数。
- 材料陈述的贡献
- 摘要称，该框架同时处理时变治疗与选择性资格，给出相应双重稳健估计量，并应用于因再犯而产生资格选择的审前风险评估。
- 阅读关注点
- 应核对资格子群和事件数的目标定义、广义序贯可忽略性的内容、两套公式使用的信息，以及双重稳健性的具体组合。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。摘要未完整列出识别与估计条件，不能将其解释为无需假设即可处理所有纵向退出。
原文摘要
Dropout poses a significant challenge to causal inference in longitudinal studies with time-varying treatments. However, existing research does not simultaneously address dropout and time-varying treatments. We examine selective eligibility, an important yet overlooked source of non-ignorable dropout in such settings. This problem arises when a unit's prior treatment history influences its eligibility for subsequent treatments, a common scenario in medical and other settings. We propose a general methodological framework for longitudinal causal inference with selective eligibility. By focusing on a subgroup of units who would become eligible for treatment given a specific past treatment sequence, we define the time-specific eligible treatment effect and expected number of outcome events under a treatment sequence of interest. Under a generalized version of sequential ignorability, we derive two nonparametric identification formulae, each leveraging different parts of the observed data distribution. We then derive the efficient influence function of each causal estimand, yielding the corresponding doubly robust estimator. Finally, we apply the proposed methodology to an impact evaluation of a pre-trial risk assessment instrument in the criminal justice system, in which selective eligibility arises due to recidivism.