全文阅读：Stata：因果推断方法综述和Stata操作| 连享会主页

目录

• 1. 背景介绍
  • 1.1 潜在结果框架
  • 1.2 三个假设
• 2. G-FORMULA 方法的正式定义及应用
  • 2.1 非参数 G-formula 方法
  • 2.2 参数 G-formula 方法
• 3. 逆处理概率加权法 (IPTW)
  • 3.1 基于倾向得分的IPTW
  • 3.2 基于稳定权重的边际结构模型
  • 3.3 逆概率权重叠加回归调整
• 4. 增强型逆概率加权模型
• 5. 数据自适应估计：集成学习目标最大似然估计
• 6. 结语
• 7. 相关推文

1. 背景介绍

无论是与医学有关的健康研究还是政策评估，我们要识别因果关系所能依赖的数据往往只有观测数据，这就难以避免的需要精巧的研究设计来处理混杂 (confounding) 的问题。一个简单的方法就是在回归中将混杂因素给控制起来。但这通常不够，本文将介绍一些因果推理领域的最新进展，即通过建立经典的标准化方法来处理混杂。

在本文中，我们将按照方法的发展历史，在阐述方法原理基础上，提供 Stata 具体实现操作，以期读者不仅可以从理论上理解这些方法的演变，更能够在实际研究中应用这些方法。

全文阅读：Stata：因果推断方法综述和Stata操作| 连享会主页