不依从情形下因果效应的可识别性分析

摘要

基于虚拟事实模型进行因果推断时,由于反事实效应的存在,个体的因果效应无法识别.为了克服反事实的困难,随机干预试验是一个很好的选择,很容易得到总体的平均因果效应.理想的随机化试验中,实验组与对照组的个体完全按照分配行动.但是,在实际研究中,被研究的个体可能会出现不依从、提前离开等情况,进而会导致不依从与不可忽略缺失值的数据存在.在这种情况下,总体的平均因果效应一般是不可识别的,此时,关注的重点便转为依从者的平均因果效应.文章假设因变量是二分类的,且不存在协变量的情况下,基于logistic模型使用联合似然的方法,得到的结论是:①如果描述缺失机制模型中的参数可识别,则整个模型中的参数可识别;②如果描述缺失机制模型中的参数的可识别性未知,则整个模型中的参数是不可识别的.由于模型不可识别,文章最后采用2009年Chen等文章中的方法对CACE中涉及到的感兴趣的参数进行了模拟.