驳斥效果估计#

效果驳斥有两种类型：负对照和敏感性分析。

基于负对照的驳斥#

第一类驳斥检验是任何好的估计程序都应该满足的必要条件。它们也称为 负对照。如果估计器未通过驳斥检验（p 值小于 0.05），则表示估计器存在一些问题。

负对照驳斥检验基于以下任一方法：

  • 不变变换：数据中的变化不应改变估计结果。任何在原始数据和修改数据之间结果变化显著的估计器都会失败。例子包括数据子样本驳斥和添加随机共同原因驳斥。

  • 归零变换：数据变化后，真实的因果估计为零。任何在新数据上结果与零显著不同的估计器都会失败。例子包括安慰剂处理驳斥和虚拟结果驳斥。

基于敏感性分析的驳斥#

第二类是敏感性检验，用于测试获得的估计结果对假设（例如没有未观察到的混杂因素）违反的稳健性。