理解敏感性——评估遗漏变量偏差

摘要：

本文拓展了估计遗漏变量偏差的框架，给出了估计未被观测的干扰变量对实验结果置信度影响的方法，并以苏丹达尔富尔地区暴力冲突研究为案例，给出了这一理论框架的应用方法。通过对回归模型进行敏感性检验，文章给出了不需要对实验变量或遗漏变量的分布形式做任何假定的分析框架。这一框架可以处理多个遗漏变量，并且可以用基本的回归结果轻松计算。同时，文章引入了两个可以普遍用于回归结果中的敏感性指标。稳健性值（robustness value，下简称RV）描述了干扰变量和实验变量的相关性至少有多强才会改变实验结果。实验变量的偏R方展现了解释所有回归残差的干扰变量和实验变量的相关性有多强才会影响实验结果的可靠性。最后，文章给出了上述分析框架的具体应用方法，即通过基本的比较，将未知的干扰变量与已知协变量绑定并估计强度。文章还就达尔富尔暴力冲突研究做了具体展示与可视化。

学人简介：

Chad Hazlett, 加州大学洛杉矶分校统计学系与政治学系

Carlos Cinelli，加州大学洛杉矶分校政治学系

文献来源：

Carlos Cinelli, and Chad Hazlett. "Making sense of sensitivity: Extending omitted variable bias." Journal of the Royal Statistical Society: Series B (Statistical Methodology) 82, no. 1 (2020): 39-67.