Quantifying individual risk for binary outcomes

doi:10.1093/jrsssb/qkag071

Quantifying individual risk for binary outcomes

2026-05-19

0

PRE

AI

DOI：10.1093/jrsssb/qkag071

原文链接

原文求助

摘要

En 中文

理解处理效应异质性对于可靠的处理评估和选择中的决策至关重要。条件平均处理效应（CATE）被广泛用于捕捉由观测协变量引起的处理效应异质性，并设计个性化处理策略。然而，它是一个子群体内的平均指标，无法揭示个体风险，可能导致误导性结果。本文通过考察二元结果的个体风险填补了这一空白，特别关注负影响比例（FNA），这是一个量化与对照相比治疗下结果更差的个体百分比的指标。即使在强可忽略性假设下，FNA仍不可识别，且现有的Fréchet–Hoeffding界通常过宽，仅在极端数据生成过程中才可达。通过引入潜在结果间Pearson相关系数取值范围的温和条件，我们获得了优于Fréchet–Hoeffding界的改进界。此外，我们建立了以Pearson相关系数为敏感度参数的FNA非参数敏感度分析框架。进一步，我们提出了改进FNA界的非参数估计量，并证明了其一致性和渐近正态性。

Keyword:

individual risk

binary outcomes

treatment effect heterogeneity

conditional average treatment effect

sensitivity analysis

Quantifying individual risk for binary outcomes

摘要

期刊

机构