大卫·A·斯蒂芬斯。;诺布尔，Widemberg S。;埃里卡·E·M·穆迪。;亚历山大·施密特（Alexandra M.Schmidt）。 [P.理查德·哈恩;安德鲁·赫伦;阿瓦洛斯·帕切科，亚历杭德拉;芭蕾舞演员维罗妮卡;马蒂奥·佩多内;彼得·米勒;弗朗西斯科·巴托卢奇;佩卢索、斯特凡诺;安东尼塔·米拉] 误认下的因果推理：基于倾向得分的调整（讨论）。 （英语） Zbl 07810194号 贝叶斯分析。 18，编号2，639-694（2023）. 总结：我们研究了通过倾向得分回归进行因果推断的贝叶斯方法。许多贝叶斯方法依赖于参数和分布假设，并假定正确的规范，而贝叶斯文献中现有的倾向评分方法依赖于在传统的“似然乘先验”后验推断背景下不能被视为完全贝叶斯的方法。我们强调，因果推理通常是在误定的情况下进行的，并为充分反映这一点的贝叶斯推理制定策略。我们重点研究了基于决策理论论证的方法，并展示了基于损失最小化的推理如何给出有效和完全的贝叶斯推理。我们提出了一种基于贝叶斯自举的推理计算方法，该方法具有良好的贝叶斯和频率特性。 理学硕士： 62至XX 统计 关键词：贝叶斯引导;贝叶斯因果推理;德菲内蒂代表;模型误判;倾向得分调整 PDF格式BibTeX公司 XML格式引用 \textit{D.A.Stephens}等人，《贝叶斯分析》。18，编号2，639--694（2023；Zbl 07810194） 全文： 内政部 arXiv公司 链接 参考文献： [1] Adhikari，S.、Rose，S.和Norman，S.-L.（2020年）。“非参数贝叶斯工具变量分析：评估冠状动脉通路策略的异质性影响”，《美国统计协会杂志》，115（532）：1635-1644。数字对象标识符：10.1080/01621459.2019.1688663谷歌学者：查找链接数学科学网：MR4189743 zbMATH:1452.62789·Zbl 1452.62789号 ·doi:10.1080/01621459.2019.1688663 [2] Antonelli，J.、Papadogeorgou，G.和Dominici，F.（2022）。“高维因果推理：贝叶斯建模和良好的频率特性之间的结合。”生物计量学, 78(1): 100-114. 数字对象标识符：10.1111/biom.13417谷歌学者：查找链接数学科学网：MR4408573·兹比尔1520.62126 ·doi:10.1111/biom.13417 [3] Bayarri，M.J.、Berger，J.O.和Liu，F.（2009）。“贝叶斯分析中的模块化，重点是计算机模型的分析。”贝叶斯分析，4（1）：119-150。数字对象标识符：10.1214/09-BA404谷歌学者：查找链接数学科学网：MR2486241 zbMATH:1330.65033·Zbl 1330.65033号 ·doi:10.1214/09-BA404 [4] Bernardo，J.M.（1979）。“预期信息作为预期效用”，《统计年鉴》，7（3）：686-690。数学科学网：MR0527503 zbMATH:0407.62002·Zbl 0407.62002号 [5] Bissiri，P.G.、Holmes，C.C.和Walker，S.G.（2016）。“更新信仰分布的一般框架”，《皇家统计学会期刊：B辑（统计方法）》，78（5）：1103-1130。数字对象标识符：10.1111/rssb.12158谷歌学者：查找链接数学科学网：MR3557191 zbMATH:1414.62039·Zbl 1414.62039号 ·doi:10.1111/rssb.12158 [6] Bornn，L.、Shephard，N.和Solgi，R.（2019年）。“矩条件和贝叶斯非参数”，《皇家统计学会杂志：B辑（统计方法）》，81（1）：5-43。数字对象标识符：10.1111/rssb.12294谷歌学者：查找链接数学科学网：MR3904778 zbMATH:1407.62041·Zbl 1407.62041号 ·doi:10.1111/rssb.12294 [7] Chamberlain，G.和Imbens，G.W.（2003年）。“贝叶斯推断的非参数应用”，《商业与经济统计杂志》，21（1）：12-18。数字对象标识符：10.1198/073500102288618711谷歌学者：查找链接数学科学网：MR1973803·doi:10.1198/073500102288618711 [8] Cheng，G.和Huang，J.Z.（2010）。“一般半参数M-估计的Bootstrap一致性”，《统计年鉴》，38（5）：2884-2915。数字对象标识符：10.1214/10-AOS809谷歌学者：查找链接MathSciNet:MR2722459 zbMATH:1200.62042·Zbl 1200.62042号 ·doi:10.1214/10-AOS809 [9] Comment，L.、Mealli，F.、Haneuse，S.和Zigler，C.M.（2019年）。“连续时间的幸存者平均因果效应：半完全风险因果推断的主要分层方法”，arXiv预印本arXiv:1902.09304。 [10] Davis，M.L.、Neelon，B.、Nietert，P.J.、Hunt，K.J.、Burgette，L.F.、Lawson，A.B.和Egede，L.E.（2019年）。“通过空间倾向得分解决地理混淆：糖尿病种族差异研究”，《医学研究统计方法》，28（3）：734-748。数字对象标识符：10.1177/0962280217735700谷歌学者：查找链接数学科学网：MR3922886·doi:10.1177/0962280217735700 [11] Geneletti，S.、Ricciardi，F.、O'Keeffe，A.G.和Baio，G.（2019年）。“回归不连续性设计中二进制结果的贝叶斯模型”，《皇家统计学会杂志：A辑（社会统计）》，182（3）：983-1002。数字对象标识符：10.1111/rssa.12440谷歌学者：查找链接数学科学网：MR3955506·doi:10.1111/rssa.12440 [12] Ghosal，S.和van der Vaart，A.（2017年）。非参数贝叶斯推断基础。剑桥统计与概率数学系列。剑桥大学出版社。数字对象标识符：10.1017/9781139029834谷歌学者：查找链接数学科学网：MR3587782·Zbl 1376.62004号 ·doi:10.1017/9781139029834 [13] Graham，D.J.、McCoy，E.J.和Stephens，D.A.（2016）。“双重稳健估计的近似贝叶斯推断”，贝叶斯分析，11（1）：47-69。数字对象标识符：10.1214/14-BA928谷歌学者：查找链接MathSciNet:MR3447091 zbMATH:1357.62186·Zbl 1357.62186号 ·doi:10.1214/14-BA928 [14] Hahn，P.R.、Murray，J.S.和Carvalho，C.M.（2020年）。因果推断的贝叶斯回归树模型：正则化、混淆和异质效应〉，《贝叶斯分析》，15（3）：965-1056。数字对象标识符：10.1214/19-BA1195谷歌学者：查找链接MathSciNet:MR4154846 zbMATH:1475.62102·Zbl 1475.62102号 ·doi:10.1214/19-BA1195 [15] Henmi，M.和Eguchi，S.（2004年）。“关于妨害参数和预测估计函数的悖论。”生物特征, 91(4): 929-941. 数字对象标识符：10.1093/biomet/91.4.929谷歌学者：查找链接MathSciNet:MR2126042 zbMATH:1064.62002·Zbl 1064.62002号 ·doi:10.1093/biomet/91.4.929 [16] Holland，P.W.（1986）。《统计学与因果推断》，《美国统计协会杂志》，81（396）：945-960。数学科学网：MR0867618·Zbl 0607.62001 [17] Imai，K.和van Dyk，D.A.（2004年）。“一般治疗方案的因果推断”，《美国统计协会杂志》，99（467）：854-866。数字对象标识符：10.1198/016214504000001187谷歌学者：查找链接数学科学网：MR2090918 zbMATH:1117.62361·Zbl 1117.62361号 ·doi:10.1198/0162145000001187 [18] Jacob，P.E.、Murray，L.M.、Holmes，C.C.和Robert，C.P.（2017）。“一起更好？模块模型中的统计学习。”arXiv预印本arXiv:1708.08719。 [19] Kaplan，D.和Chen，J.（2012年）。“倾向得分分析的两步贝叶斯方法：模拟和案例研究。”心理测量学, 77(3): 581-609. 数字对象标识符：10.1007/s11336-012-9262-8谷歌学者：查找链接数学科学网：MR2943114 zbMATH:1272.62124·Zbl 1272.62124号 ·doi:10.1007/s11336-012-9262-8 [20] Liao，S.X.和Zigler，C.M.（2020年）。“两阶段贝叶斯倾向得分分析设计阶段的不确定性”，《医学统计学》，39（17）：2265-2290。数字对象标识符：10.1002/sim.8486谷歌学者：查找链接数学科学网：MR4119731·doi:10.1002/sim.8486 [21] Liu，K.、Saarela，O.、Feldman，B.M.和Pullenayegum，E.（2020）。“在贝叶斯框架中用重复测量的结果估计因果关系”，《医学研究中的统计方法》，29（9）：2507-2519。数字对象标识符：10.1177/0962280219900362谷歌学者：查找链接数学科学网：MR4129426·doi:10.1177/0962280219900362 [22] Lo，A.Y.（1987）。“贝叶斯引导法的大样本研究”，《统计年鉴》，15（1）：360-375。数字对象标识符：10.1214/aos/1176350271谷歌学者：查找链接MathSciNet:MR0885742 zbMATH:0617.62032 Euclid:Euclid.aos/1176350271·Zbl 0617.62032号 ·doi:10.1214/aos/1176350271 [23] Lyddon，S.P.、Holmes，C.C.和Walker，S.G.（2019年）。“通用贝叶斯更新和loss-likelihood引导。”生物特征, 106(2): 465-478. 数字对象标识符：10.1093/biomet/asz006谷歌学者：查找链接MathSciNet:MR3949315 zbMATH:1454.62098·Zbl 1454.62098号 ·doi:10.1093/biomet/asz006 [24] McCandless，L.C.、Douglas，I.J.、Evans，S.J.和Smeeth，L.（2010）。“在倾向得分的贝叶斯回归调整中减少反馈”，《国际生物统计杂志》，6（2）。数字对象标识符：10.2202/1557-4679.1205谷歌学者：查找链接数学科学网：MR2602559·doi:10.202/1557-467.91205 [25] McCandless，L.C.、Gustafson，P.和Austin，P.C.（2009年）。“观测数据的贝叶斯倾向得分分析”，《医学统计学》，28（1）：94-112。数字对象标识符：10.1002/sim.3460谷歌学者：查找链接数学科学网：MR2655553·doi:10.1002/sim.3460 [26] Nethery，R.C.、Yang，Y.、Brown，A.J.和Dominici，F.（2020年）。“利用公开数据进行癌症聚类调查的因果推理框架”，《皇家统计学会杂志：A辑（社会统计）》，183（3）：1253-1272。数学科学网：MR4114485 [27] Newton，M.A.和Raftery，A.E.（1994年）。《加权似然引导下的近似贝叶斯推断》，《皇家统计学会杂志》。B系列（方法学），56（1）：3-48。数字对象标识符：10.1111/j.2517-6161.1994.tb01956.x谷歌学者：查找链接数学科学网：MR1257793 zbMATH:0788.62026·doi:10.1111/j.2517-6161.1994.tb01956.x [28] Neyman，J.（1923年）。“概率论在农业实验中的应用。原则论文。第9节（1990年出版的译本）。”《统计科学》，5:465-472。数学科学网：MR1092986 zbMATH:0955.01560 [29] Pearl，J.（2009）。因果关系剑桥大学出版社，第2版。数字对象标识符：10.1017/CBO9780511803161谷歌学者：查找链接数学科学网：MR2548166·Zbl 1188.68291号 ·doi:10.1017/CBO9780511803161 [30] Pompe，E.和Jacob，P.E.（2021）。“割分布的渐近性和使用后验Bootstrap的鲁棒模块推理。”arXiv预印本arXiv:22110.11149。 [31] Ray，K.和van der Vaart，A.（2020年）。“半参数贝叶斯因果推断”，《统计学年鉴》，48（5）：2999-3020。数字对象标识符：10.1214/19-AOS1919谷歌学者：查找链接MathSciNet:MR4152632 zbMATH:1471.62348·Zbl 1471.62348号 ·doi:10.1214/19-AOS1919 [32] Robins，J.M.、Mark，S.D.和Newey，W.K.（1992年）。“通过对混杂因素下的暴露预期进行建模，估算暴露影响。”生物计量学, 48(2): 479-495. 数字对象标识符：10.2307/2532304谷歌学者：查找链接数学科学网：MR1173493 zbMATH:0768.62099·Zbl 0768.62099号 ·doi:10.2307/2532304 [33] Rosenbaum，P.R.和Rubin，D.B.（1983年）。“倾向评分在因果效应观察性研究中的中心作用。”生物特征, 70(1): 41-55. 数字对象标识符：10.1093/biomet/70.1.41谷歌学者：查找链接MathSciNet:MR0742974 zbMATH:0522.62091·Zbl 0522.62091号 ·doi:10.1093/biomet/70.1.41 [34] 鲁宾，D.B.（1974）。“在随机和非随机研究中评估治疗的因果效应”，《教育心理学杂志》，65（5）：688-701。 [35] Rubin，D.B.（1981）。“贝叶斯引导”，《统计年鉴》，9（1）：130-134。数字对象标识符：10.1214/aos/1176345338谷歌学者：查找链接MathSciNet:MR600538 Euclid:Euclid.aos/1176345338·doi:10.1214操作系统/1176345338 [36] Rubin，D.B.（1985）。“倾向评分在应用贝叶斯推断中的应用”，贝叶斯统计编辑J.M.Bernardo、M.H.DeGroot、D.V.Lindley和A.F.M.Smith，2463-472。北荷兰。数学科学网：MR0862481 [37] Saarela，O.、Belzile，L.R.和Stephens，D.A.（2016）。“双重稳健因果推理的贝叶斯观点。”生物特征, 103(3): 667-681. 数字对象标识符：10.1093/biomet/asw025谷歌学者：查找链接MathSciNet:MR3551791 zbMATH:1506.62253·Zbl 1506.62253号 ·doi:10.1093/biomet/asw025 [38] Saarela，O.、Stephens，D.A.和Moodie，E.E.M.（2022）。“可交换性在因果推理中的作用”，arXiv预印本arXiv:2006.01799。 [39] Saarela，O.、Stephens，D.A.、Moodie，E.E.M.和Klein，M.B.（2015）。“关于边际结构模型的贝叶斯估计。”生物计量学, 71(2): 279-288. 数字对象标识符：10.1111/biom.12269谷歌学者：查找链接数学科学网：MR3366229·Zbl 1390.62305号 ·doi:10.1111/biom.12269 [40] Samartsidis，P.、Seaman，S.R.、Montagna，S.、Charlett，A.、Hickman，M.和Angelis，D.D.（2020年）。“使用多个结果的观测时间序列数据评估干预措施的贝叶斯多元因素分析模型”，《皇家统计学会杂志：A辑（社会统计）》，183（4）：1437-1459。数学科学网：MR4157820 [41] Stephens，D.A.、Nobre，W.S.、Moodie，E.E.M.和Schmidt，A.M.（2022年）。《误认因果推理的补充材料：基于倾向得分的调整》，贝叶斯分析。数字对象标识符：10.1214/22-BA1322SUPP谷歌学者：查找链接·doi:10.1214/22-BA1322SUPP文件 [42] Vegetabile，B.G.、Gillen，D.L.和Stern，H.S.（2020年）。“用于评估治疗效果的最佳平衡高斯过程倾向评分”，《皇家统计学会杂志：A辑（社会统计）》，183（1）：355-377。数学科学网：MR4049667 [43] Walker，S.G.（2013）。“错误指定模型的贝叶斯推断”，《统计规划与推断杂志》，143（10）：1621-1633。数字对象标识符：10.1016/j.jspi.2013.05.013谷歌学者：查找链接数学科学网：MR3082220 zbMATH:1279.62066·Zbl 1279.62066号 ·doi:10.1016/j.jspi.2013.05.013 [44] Wang，C.、Parmigiani，G.和Dominici，F.（2012）。“考虑调整不确定性的贝叶斯效应估计。”生物计量学, 68: 661-686. 数字对象标识符：10.1111/j.1541-0420.2011.01731.x谷歌学者：查找链接数学科学网：MR3055168 zbMATH:1274.62895·兹比尔1274.62895 ·doi:10.1111/j.1541-0420.2011.01731.x [45] Wang，C.和Rosner，G.L.（2019年）。“用于合成随机临床试验和真实证据的贝叶斯非参数因果推理模型”，《医学统计学》，38（14）：2573-2588。数字对象标识符：10.1002/sim.8134谷歌学者：查找链接数学科学网：MR3962129·doi:10.1002/sim.8134 [46] Xu，D.、Daniels，M.J.和Winterstein，A.G.（2018年）。“分位数因果推断的贝叶斯非参数方法。”生物计量学, 74(3): 986-996. 数字对象标识符：10.1111/biom.12863谷歌学者：查找链接MathSciNet:MR3860719 zbMATH:1414.62481·Zbl 1414.62481号 ·doi:10.1111/biom.12863 [47] Zigler，C.M.（2016）。“贝叶斯定理在因果效应和倾向得分联合估计中的中心作用”，《美国统计学家》，70（1）：47-54。数字对象标识符：10.1080/00031305.2015.1111260谷歌学者：查找链接数学科学网：MR3480670 zbMATH:07665851·Zbl 07665851号 ·doi:10.1080/00031305.2015.1111260 [48] Zigler，C.M.、Watts，K.、Yeh，R.W.、Wang，Y.、Coull，B.A.和Dominici，F.（2013）。“贝叶斯倾向得分估计中的模型反馈。”生物计量学, 69(1): 263-273. 数字对象标识符：10.1111/j.1541-0420.2012.01830.x谷歌学者：查找链接数学科学网：MR3058073 zbMATH:1272.62107·兹比尔1272.62107 ·doi:10.1111/j.1541-0420.2012.01830.x 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。