Реклама

Причинение причинно-следственных последствий в продольных исследованиях с использованием неоднократного лечения и многочисленных посредников

#Причинение #Первая #Байеса

arXiv: 261 030.34349v1 Вид уведомления: новое резюме: в ходе продольных исследований за повторным лечением могут следовать различные последовательности посредников и ковариантов с временн*ми изменениями. Мы разрабатываем полупараметрический вывод о воздействии на пути в этой среде, что позволяет меняться по количеству, типу и порядку промежуточных переменных в зависимости от случая лечения. В случае последовательности, позитивности, поясной согласованности и межмировых ограничений непараметрической структурной модели уравнений с независимыми ошибками способы определения конкретного пути определяются по кромке g-формула. Мы вычисляем две параметризации функции эффективного влияния идентифицирующей функции. Первая из них основывается на факторизации наблюдаемых данных и использует условные промежуточные колебания плотности. Во втором случае используются последовательные регрессии для замены соответствующих интегрирований и правила Байеса с целью выражения коэффициентов плотности посредством рецессий, связанных с лечением-историей, что позволяет избежать прямой оценки промежуточно изменяемой плотности.

Статистические данные > Методология [представлена 25 октября 2026 года] Название: " Оценка причинно-следственных эффектов в продольных исследованиях с повторяющимся лечением и несколькими посредниками, вид PDF HTML (экспериментальный) резюме: В ходе продольного исследования за неоднократной обработкой могут последовать различные последовательности посредников и ковариатов, изменяющих время. Мы разрабатываем полупараметрический вывод о воздействии на пути в этой среде, что позволяет меняться по количеству, типу и порядку промежуточных переменных в зависимости от случая лечения. В случае последовательности, позитивности, поясной согласованности и межмировых ограничений непараметрической структурной модели уравнений с независимыми ошибками способы определения конкретного пути определяются по кромке g-формула. Мы вычисляем две параметризации функции эффективного влияния идентифицирующей функции. Первая из них основывается на факторизации наблюдаемых данных и использует условные промежуточные колебания плотности. Во втором случае используются последовательные регрессии для замены соответствующих интегрирований и правила Байеса с целью выражения коэффициентов плотности посредством рецессий, связанных с лечением-историей, что позволяет избежать прямой оценки промежуточно изменяемой плотности. Каждый из них дает одноэтапную оценку, которая позволяет гибко оценивать вредоносные явления. Мы разрабатываем условия для асимптотической линейности и полупараметрической эффективности.…