ポジティビティ仮定の違反を診断し、対応する

ポジティビティの仮定または実験的治療割り当ては、観察された治療レベルが交絡因子の層内で変動することを要求します。この記事は、因果効果のモデルおよびパラメータ特異的同定可能性を評価する文脈でポジティビティの仮定について討論します。ポジティビティの違反は、サンプルの特定のサブグループが興味のある治療をまれにしか受けない、または一度も受けない場合に発生します。その結果としてデータの希薄性は、バリアンスの増加の有無にかかわらずバイアスを増加させる可能性があり、有効な推論を脅かすことがあります。パラメトリックブートストラップは、このような脅威の深刻度を評価するためのツールとして提示され、その診断的な有用性はシミュレーションデータと実データを用いて探求されています。ポジティビティの違反が存在する場合にパラメータの同定可能性を向上させるためのいくつかのアプローチがレビューされます。データの希薄性への潜在的な対応には、共変量調整セットの制限、マージナル構造的作業モデル内でのターゲットパラメータを定義するための代替投影関数の使用、サンプルの制限、ターゲット介入の修正が含まれます。これらすべてのアプローチは、同定可能性のために推論の初期ターゲットへの近接性をトレードオフするものとして理解できます。私たちは、このトレードオフに体系的にアプローチすることを提唱します。