×
王，岳;奥利弗·本博姆;范德拉恩（Mark J.Van der Laan）。

治疗特异性平均值的数据自适应估计。 （英语） Zbl 1121.62103号

J.统计计划。推断 137，第6期，1871-1887（2007）.
小结：流行病学和医学研究中的一个重要问题是，在单个时间点估计治疗行动对结果平均值的因果影响，可能是在由基线协变量子集定义的目标人群的层次内。目前解决这一问题的方法是基于边际结构模型，即反事实结果的边际分布的参数模型，作为处理和效果修正的函数。在此背景下开发的各种估计器进一步依赖于高维滋扰参数，该高维滋扰参数的估计目前也依赖于参数模型。由于这些模型中任何一个的错误指定都可能导致因果效应的严重偏差估计，因此当前方法对此类参数模型的依赖性是一个主要局限性。
我们引入了一些估值器，这些估值器允许自适应地选择相关干扰参数的边际结构模型和参数模型。我们的方法基于最近由M.J.范德拉恩和S.Dudoit公司[用于选择估计器的统一交叉验证方法和通用交叉验证自适应ε估计器：有限样本oracle不等式和示例。Tech.Rep.130，Division Biostat.，Univ.California，Berkeley（2003）]，特别是将基于损失的估计扩展到缺失数据问题。我们在一项广泛的模拟研究中研究了我们提出的估计器的实际性能，并将其应用于流行病学研究得出的数据集，以评估用力呼气量对老年人死亡率的因果影响。本文中提供的所有估计值都在R包cvDSA中公开提供。

引用于1文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62号02 生存分析和删失数据中的估计

关键词：

因果推理;反事实;交叉验证;双重稳健估计;\（G\）-计算估算;治疗加权估计的逆概率;损失函数

软件：

cvDSA公司;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{Y.Wang}等人，J.Stat.Plann。推论137，第6期，1871--1887（2007；Zbl 1121.62103）
全文： 内政部 链接

参考文献：

[1] Akaike，H.，1973年。信息论和最大似然原理的推广。in：Petrov，B.N.，Cs-aki，F.（编辑），第二届信息理论国际研讨会，布达佩斯：Akad emai Kiad o，第267-281页。；Akaike，H.，1973年。信息论和最大似然原理的推广。摘自：Petrov，B.N.，Cs-aki，F.（编辑），第二届信息理论国际研讨会，布达佩斯：Akad emai Kiad o，第267-281页·Zbl 0283.62006号
[2] Barron，A。；Birgé，L。；Massart，P.，通过惩罚进行模型选择的风险界限，Probab。理论相关领域，113，310-413（1999）·Zbl 0946.62036号
[3] 巴伦，A.R.，1989年。人工神经网络的统计特性。摘自：佛罗里达州坦帕市第28届决策理论与控制会议记录。；巴伦，A.R.，1989年。人工神经网络的统计特性。摘自：佛罗里达州坦帕市第28届决策理论与控制会议记录。
[4] Barron，A.R.，非参数函数估计及相关主题，（复杂度正则化及其在人工神经网络中的应用（1991），Kluwer学术出版社：荷兰Kluwer-学术出版社），561-576·兹比尔0739.62001
[5] LeCam，L.M.，《统计决策理论中的渐近方法》（1986），Springer:Springer纽约·Zbl 0605.62002号
[6] LeCam，L.M。；Yang，G.，《统计学中的渐近：一些基本概念》（1990），Springer:Springer New York·Zbl 0719.62003号
[7] Neugebauer，R.，van der Laan，M.J.，2004年。为什么偏爱双重稳健估计。J.统计。计划。推理。；Neugebauer，R.，van der Laan，M.J.，2004年。为什么偏爱双重稳健估计。J.统计。计划。推理·Zbl 1058.62106号
[8] Pearl，J.，《因果关系：模型、推理和推断》（2000），剑桥大学出版社：剑桥大学出版社·Zbl 0959.68116号
[9] Robins，J.M.，作为因果推断工具的边缘结构模型与结构嵌套模型，（《流行病学、环境和临床试验中的统计模型》，明尼阿波利斯，明尼苏达州，1997（2000），Springer:Springer New York），95-133·Zbl 0986.62094号
[10] Robins，J.M.，2000年b。序列可忽略缺失数据和因果推理模型中的稳健估计。摘自：《美国统计协会会刊》。；Robins，J.M.，2000年b。序列可忽略缺失数据和因果推理模型中的稳健估计。收录于：《美国统计协会会刊》。
[11] 罗宾斯，J.M。；格陵兰，S.，直接和间接影响的可识别性和可交换性，流行病学，3，0，143-155（1992）
[12] 鲁宾，D.B.，《因果效应的贝叶斯推断：随机化的作用》，《统计年鉴》。，6, 34-58 (1978) ·Zbl 0383.62021号
[13] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 461-464 (1978) ·Zbl 0379.62005年
[14] 沈小霞，《筛分与处罚方法》，《统计年鉴》。，25, 2555-2591 (1997) ·Zbl 0895.62041号
[15] 西尼西，S。；van der Laan，M.J.，《基于损失函数的估计中的删除/替换/添加算法：在基因组学中的应用》，J.Statist。方法分子生物学。，3, 1 (2004) ·Zbl 1166.62368号
[16] 泰格，I。；霍伦伯格，M。；Satariano，W.，Self报道了老年人业余时间的体力活动和心肺功能的测量，Amer。流行病学杂志。，147, 921-931 (1998)
[17] van der Laan，M.J.，2005年。变量重要性的统计推断。《技术报告188》，加州大学伯克利分校生物统计学系，2005年8月。；van der Laan，M.J.，2005年。变量重要性的统计推断。《技术报告188》，加州大学伯克利分校生物统计学系，2005年8月。
[18] van der Laan，M.J.，Dudoit，S.，2003年。估计器选择的统一交叉验证方法和通用交叉验证自适应epsilonnet估计器：有限样本预言不等式和示例。《技术报告130》，加州大学伯克利分校生物统计学系，2003年11月。；van der Laan，M.J.，Dudoit，S.，2003年。估计器选择的统一交叉验证方法和通用交叉验证自适应epsilonnet估计器：有限样本预言不等式和示例。2003年11月，加州大学伯克利分校生物统计学系，技术报告130。
[19] van der Laan，M.J.，Petersen，M.L.，2004年。纵向研究中直接和间接因果效应的估计。加州大学伯克利分校生物统计系技术报告。；van der Laan，M.J.，Petersen，M.L.，2004年。纵向研究中直接和间接因果效应的估计。技术报告，加州大学伯克利分校生物统计系。
[20] 范德拉恩，M.J。；Robins，J.M.，《审查纵向数据和因果关系的统一方法》（2002年），Springer:Springer New York·Zbl 1013.62034号
[21] van der Laan，M.J.，Rubin，D.，2005年。基于交叉验证和学习的估计函数。加州大学伯克利分校生物统计学系技术报告180。；van der Laan，M.J.，Rubin，D.，2005年。基于交叉验证和学习的估计函数。技术报告180，加州大学伯克利分校生物统计系·Zbl 1119.62028号
[22] Yu，Z.，van der Laan，M.J.，2003年。纵向边际结构模型中的双重稳健估计。加州大学伯克利分校生物统计学系技术报告。；Yu，Z.，van der Laan，M.J.，2003年。纵向边际结构模型中的双重稳健估计。加州大学伯克利分校生物统计学系技术报告·Zbl 1077.62089号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。