信息来源：中国人民大学健康大数据研究院 发布日期：2025年04月02日 21:59 北京

作为因果推断的重要工具，主分层分析近年来得到广泛应用，特别是在不依从问题和死亡截断问题中。在这些研究中，主分层由中间变量的联合潜在结果值确定，通常关注的是每个主分层内的因果效应，即主分层因果效应。传统基于观测数据识别主分层因果效应的研究需要依赖于处理分配的可忽略性假设，该假设本质上要求研究人员准确地测量尽可能多的协变量，以涵盖所有潜在的混杂因素。这在实践中可能由于成本和技术限制等原因而难以实现。针对这一问题，本文在处理和主分层之间存在未观测混杂因素的情况下，提出一种对主分层因果效应进行识别与估计的方法。该方法主要通过借助一对阴性对照变量来减少未观测混杂的影响，从而实现主分层因果效应的非参数识别。模拟结果表明该方法在估计的偏差、标准误和覆盖率上表现良好。此外，本文将所提出的方法应用于白血病研究的真实数据集中，用于评估两种不同的移植方案对于存活组白血病患者复发时间的影响。

具体信息

论文题目

Identification and Estimation of Causal Effects in the Presence of Confounded Principal Strata

论文摘要

Principal stratification has become a popular tool to address a broad class of causal inference questions, particularly in dealing with non-compliance and truncation by death problems. The causal effects within principal strata, which are determined by joint potential values of the intermediate variable, also known as the principal causal effects, are often of interest in these studies. The analysis of principal causal effects from observational studies mostly relies on the ignorability assumption of treatment assignment, which requires practitioners to accurately measure as many covariates as possible so that all potential sources of confounders are captured. However, in practice, collecting all potential confounding factors can be challenging and costly, rendering the ignorability assumption questionable. In this paper, we consider the identification and estimation of causal effects when treatment and principal stratification are confounded by unmeasured confounding. Specifically, we establish the nonparametric identification of principal causal effects using a pair of negative controls to mitigate unmeasured confounding, requiring they have no direct effect on the outcome variable. We also provide an estimation method for principal causal effects. Extensive simulations and a leukemia study are employed for illustration.

作者介绍

罗姗姗，北京工商大学数学与统计学院讲师。2022年获北京大学统计学博士学位。主要从事因果推断及其在生物医学中的应用研究。研究成果发表于 JASA、Biometrics、Statistica Sinica、Statistics in Medicine 和 ICML 等国际知名期刊和会议上。目前担任中国现场统计研究会因果推断分会副秘书长，主持国家自然科学基金青年基金项目。

李伟（通讯作者），中国人民大学统计学院副教授，中国人民大学吴玉章青年学者，入选国家高层次青年人才计划。研究兴趣包括因果推断、缺失数据及其在生物医学、社会经济学等领域中的应用。

苗旺，北京大学概率统计系和统计科学中心副教授，研究兴趣包括因果推断，缺失数据，半参数统计及其应用。

何洋波（通讯作者），北京大学数学科学学院副教授。2004年获北京大学统计学博士学位，主要从事因果发现、因果推断以及量化金融领域的研究。

论文发表截图