Chapter_11

Aaron L9/17/25About 11 min

### 第11章总结：为什么需要模型？

技术重点：
- 当处理变量 (A) 为离散型（如二分类或四分类）时，可通过样本均值无偏估计总体条件均值 (E[Y|A=a])。
- 但当 (A) 为连续变量（如剂量 0-100 mg/day）且某些水平无样本（如 (A=90)）时，样本均值未定义。
- 非参数估计器（如样本均值）在数据稀疏时失效，需模型补充信息。
细节要点：
- 研究人群：16名HIV感染者，随机抽样自目标总体（target population）。
- 二分类 (A)（治疗/未治疗）：样本均值估计 (E[Y|A=1]=146.25)，(E[Y|A=0]=67.50)。
- 四分类 (A)：样本量固定时，类别增加导致置信区间变宽（例如 (A=1,2,3,4) 的估计分别为 70.0, 80.0, 117.5, 195.0）。
- 连续 (A)：多数剂量无样本，无法直接估计 (E[Y|A=90])。
结论：数据不足时需模型补充信息。

技术重点：
- 参数条件均值模型：通过有限参数描述 (E[Y|A])，如线性模型：
  [
  E[Y|A] = \theta_0 + \theta_1 A
  ]
- 普通最小二乘法 (OLS)：最小化残差平方和估计参数 (\hat{\theta}_0, \hat{\theta}_1)。
- 估计未观测点：(\hat{E}[Y|A=90] = \hat{\theta}_0 + 90 \hat{\theta}_1)。
细节要点：
- 示例：OLS 估计 (\hat{\theta}_0 = 24.55)，(\hat{\theta}_1 = 2.14) → (\hat{E}[Y|A=90] = 216.9)。
- 同方差下 95% CI：(\theta_0 \in (-21.2, 70.3))，(\theta_1 \in (1.28, 2.99))，(E[Y|A=90] \in (172.1, 261.6))。
- 模型定义：对数据分布的先验限制（如强制 (E[Y|A]) 为线性）。
结论：参数模型通过借用信息估计未观测值，但依赖模型正确设定。

技术重点：
- 非参数估计器：无先验限制，直接基于数据估计（如样本均值）。
- 饱和模型 (saturated model)：参数数 = 未知条件均值的数量（如二分类 (A) 时 (E[Y|A] = \theta_0 + \theta_1 A) 无限制）。
- 非参数估计在数据缺失时不可行（如 (A) 有 100 水平且 (A=90) 无样本）。
细节要点：
- 二分类 (A) 下：饱和模型估计 (\hat{E}[Y|A=0] = 67.5)，(\hat{E}[Y|A=1] = 146.25)，等同样本均值。
- Fisher 一致性（Fine Point 11.1）：非参数估计器在总体中计算得真实值，但常不可行。
- 本书 Part I 方法（标准化、IP 加权等）基于非参数估计；Part II 依赖参数模型。
结论：非参数估计无模型限制，但需充足数据。

技术重点：
- 平滑 (smoothing)：模型将噪声数据转换为曲线，平滑度由参数数量控制：
  - 参数少 → 高平滑（如直线）。
  - 参数多 → 低平滑（如高次多项式插值数据点）。
- 多项式扩展：增加灵活性（如二次模型）：
  [
  E[Y|A] = \theta_0 + \theta_1 A + \theta_2 A^2
  ]
细节要点：
- 示例：二次模型估计 (\hat{\theta}_0 = -7.41)，(\hat{\theta}_1 = 4.11)，(\hat{\theta}_2 = -0.02) → (\hat{E}[Y|A=90] = 197.1)（95% CI: (142.8, 251.5))。
- 带宽限制：局部拟合（如仅用 (A \in [80,100]) 的样本）可调节平滑度。
- 多变量模型：参数越少，预测曲面越光滑。
结论：平滑通过借用邻近信息降低方差，但需权衡偏差。

技术重点：
- 偏差-方差权衡：
  - 低参数模型（如线性）：方差小，但若模型错误设定则偏差大。
  - 高参数模型（如二次）：偏差小（更灵活），但方差大（CI 更宽）。
- 模型正确性关键：推断依赖 (E[Y|A]) 的设定。
细节要点：
- 示例：线性模型 (\hat{E}[Y|A=90] = 216.9)（CI: (172.1, 261.6)) vs. 二次模型 (197.1)（CI: (142.8, 251.5))。
- 若真实关系非线性，线性模型有偏且 CI 未校准。
- 贝叶斯 vs. 频率学派（Fine Point 11.2）：高维模型中贝叶斯可信区间可能覆盖不足。
结论：选择模型需权衡偏差与方差，实践中依赖传统/可解释性，但需敏感性分析。

此总结严格遵循原文逻辑与技术细节，未引入主观内容，数学公式采用 LaTeX 格式，技术术语保留英文以确保精确性。