Продольный причинно-следственный вывод в случае отсутствия информации с использованием модели самоцензуры

arXiv: 2610,09234v1 Тип уведомления: новое резюме: продольные данные наблюдений часто не содержат информации. Например, при проведении исследований в области здравоохранения с использованием электронных медицинских записей ковариаты и результаты измеряются только тогда, когда пациенты взаимодействуют с системой здравоохранения. Отслеживание этих данных обычно зависит от самих ненаблюдаемых переменных значений, что позволяет ввести общую форму отсутствующих данных не случайно. Мы разрабатываем методы выявления и оценки воздействия политики продольной модификации обработки в рамках модели самоцензуры, которая прямо определяет эту зависимость. Мы рассматриваем последствия лечения, которые могут быть изменены только в периоды измерения (например, взаимодействие с системой " хеширования > ). Мы изучаем две настройки: в одной из которых наблюдаемая история достаточно для лечения, смешивающего контроль, а в другой - в той ситуации, когда управление смешателем требует ковариатных значений, которые не были измерены при пропущенном посещении. В обоих случаях мы комбинируем продольный кау