详细解释一下标准化方法和参数化g公式的原理和使用方法及注意事项

Aaron L9/17/25About 5 min

标准化是一种非参数方法，用于估计反事实期望 $$E[Y^{a,c=0}]$$（在干预设定所有人接受处理 (a) 且未删失时的潜在结果均值）。其核心思想是通过对混杂变量 (L) 的分布进行调整，消除混杂偏倚：
[

E[Y^{a,c=0}] = \sum_{l} E[Y \mid A=a, C=0, L=l] \cdot \Pr[L=l]

]

分层估计：
- 将数据按混杂变量 (L) 的值分层（如性别、年龄组）。
- 计算每层内处理组 (A=a) 的均值 (E[Y \mid A=a, C=0, L=l])。
加权平均：
- 用总体中 (L=l) 的比例 (\Pr[L=l]) 作为权重，对层均值加权求和。
- 公式：
  [
  \hat{E}[Y^{a,c=0}] = \sum_{l} \hat{E}[Y \mid A=a, C=0, L=l] \cdot \frac{n_l}{n}
  ]
  (n_l) 为 (L=l) 的样本量，(n) 为总样本量。

g公式是标准化的参数化推广，用于解决高维混杂问题：
[
E[Y^{a,c=0}] = \int E[Y \mid A=a, C=0, L=l] dF_L(l)
]

数据扩展：
- 复制原始数据集为三份：
  - Block 1：原始观测数据（保留 (A, Y, L)）。
  - Block 2：强制所有个体 (A=0)，(Y) 设为缺失。
  - Block 3：强制所有个体 (A=1)，(Y) 设为缺失。
结果建模：
- 用 Block 1 拟合回归模型：
  [
  Y = \beta_0 + \beta_1 A + \beta_2^T L + \beta_3^T (A \times L) + \epsilon
  ]
  - 例如：包含年龄、体重的二次项及交互项。
预测潜在结果：
- 用模型预测 Block 2 和 Block 3 的 (Y)：
  - Block 2：(\hat{Y}_i^{a=0} = \hat{E}[Y \mid A=0, L=l_i])
  - Block 3：(\hat{Y}_i^{a=1} = \hat{E}[Y \mid A=1, L=l_i])
标准化平均：
- 计算反事实均值：
  [
  \hat{E}[Y^{a}] = \frac{1}{n} \sum_{i=1}^n \hat{Y}_i^{a}
  ]
- 因果效应：(\hat{\tau} = \hat{E}[Y^{a=1}] - \hat{E}[Y^{a=0}])

模型依赖性：
- 结果模型 (E[Y \mid A,L]) 必须正确指定（如非线性关系需多项式项）。
- 误设后果：若模型遗漏重要交互项（如 (A \times \text{年龄})），效应估计偏倚。
正性问题处理：
- 当某 (L=l) 下无个体接受处理（(\Pr[A=a \mid L=l]=0)），模型通过外推预测 (Y)。
- 风险：外推部分无数据支持，依赖模型假设（需敏感性分析）。
双稳健性缺失：
- 传统g公式仅依赖结果模型。
- 改进：用双稳健估计（见Fine Point 13.2），结合处理模型 (\Pr[A=a \mid L]) 增强可靠性。
置信区间计算：
- 使用Bootstrap法（Technical Point 13.1）：
  - 重抽样 (B) 次（如 (B=1000)），每次重复g公式步骤。
  - 取2.5%和97.5%分位数作为95% CI。

首选双稳健方法（如Bang-Robins估计器）：
- 同时拟合处理模型 (\pi(L)) 和结果模型 (b(L))。
- 只要一个模型正确，效应估计即一致。
敏感性分析：
- 模型误设：尝试不同模型规格（如添加/删除交互项）。
- 未测量混杂：使用E值量化混杂强度（Fine Point 7.1）。
- 正性：检查 $$\hat{\pi}(L)$$ 的分布，避免接近0的值。
报告结果：
- 同时给出IP加权和g公式估计，若差异 >10%，提示模型问题。
- 示例：戒烟效应估计为3.5kg，但需声明依赖可交换性等强假设。

详细解释一下标准化方法 和参数化g公式的原理和使用方法及注意事项