Model selection in causal inference

因果推理中的模型选择

• 批准号: 356000-2013
• 负责人: Lefebvre, Geneviève
• 金额: $ 1.09万
• 依托单位: Université du Québec à Montréal
• 依托单位国家: 加拿大
• 项目类别: Discovery Grants Program - Individual
• 财政年份: 2015
• 资助国家: 加拿大
• 起止时间: 2015-01-01 至 2016-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=572714
• 关键词: Model; selection; causal; inference

Analysts use several statistical techniques, all requiring the specification of a model, in order to determine the true effect of an exposure (e.g., a drug) on a population. In this research program we argue for a change of practice, from the choice of a single model to one where an 'average' model is used. This 'average' model combines information from the most plausible models instead of using only the 'best' model. We will study the efficacy of the model averaging approach combined with various techniques currently used to determine the real effect of an exposure on a variable of interest.

分析师使用几种统计技术，所有这些都需要模型的规范，以确定暴露的真实影响（例如，一种药物）对一个群体。在这个研究项目中，我们主张改变实践，从选择单一模型到使用“平均”模型。这个“平均”模型结合了来自最合理模型的信息，而不是只使用“最佳”模型。我们将研究模型平均法与目前用于确定暴露对感兴趣变量的真实的影响的各种技术相结合的有效性。