Simple yet Sharp Sensitivity Analysis for Unmeasured Confounding
未测混杂的简明且锐利的敏感性分析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：摘要明确研究未测混杂下的因果效应敏感性界限，并扩展至自然直接与间接效应，因此属于因果推断方向。
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
未测混杂的简明且锐利的敏感性分析
- 研究问题
- 存在未测混杂时，如何用较少且易解释的敏感性参数界定真实因果效应，并进一步约束自然直接效应和自然间接效应？
- 方法与思路
- 作者要求分析者设定两个敏感性参数，构造包含真实因果效应的区间，并将方法扩展至中介已测但暴露与结局存在未测混杂的情况。
- 材料陈述的贡献
- 摘要称，界限可任意逼近可达到的结果，实验中可能比所比较方法更紧且少需一个参数，并可用于自然直接与间接效应。
- 阅读关注点
- 阅读时应核对两个参数的定义与可解释性、效应尺度、锐利性的构造，以及“除此之外无假设”和中介扩展的准确适用范围。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出参数定义与完整条件，不能把“无假设”理解为无条件识别。
原文摘要
We present a method for assessing the sensitivity of the true causal effect to unmeasured confounding. The method requires the analyst to set two intuitive parameters. Otherwise, the method is assumption-free. The method returns an interval that contains the true causal effect, and whose bounds are arbitrarily sharp, i.e. practically attainable. We show experimentally that our bounds can be tighter than those obtained by the method of Ding and VanderWeele (2016a) which, moreover, requires to set one more parameter than our method. Finally, we extend our method to bound the natural direct and indirect effects when there are measured mediators and unmeasured exposure-outcome confounding.