Weighting methods are popular tools for estimating causal effects; assessing their robustness under unobserved confounding is important in practice. In the following paper, we introduce a new set of sensitivity models called "variance-based sensitivity models". Variance-based sensitivity models characterize the bias from omitting a confounder by bounding the distributional differences that arise in the weights from omitting a confounder, with several notable innovations over existing approaches. First, the variance-based sensitivity models can be parameterized with respect to a simple $R^2$ parameter that is both standardized and bounded. We introduce a formal benchmarking procedure that allows researchers to use observed covariates to reason about plausible parameter values in an interpretable and transparent way. Second, we show that researchers can estimate valid confidence intervals under a set of variance-based sensitivity models, and provide extensions for researchers to incorporate their substantive knowledge about the confounder to help tighten the intervals. Last, we highlight the connection between our proposed approach and existing sensitivity analyses, and demonstrate both, empirically and theoretically, that variance-based sensitivity models can provide improvements on both the stability and tightness of the estimated confidence intervals over existing methods. We illustrate our proposed approach on a study examining blood mercury levels using the National Health and Nutrition Examination Survey (NHANES).

中文翻译：

---

加权估计量的基于方差的敏感性分析产生更多信息的界限

加权方法是估计因果效应的流行工具。在未观察到的混杂条件下评估它们的稳健性在实践中很重要。在接下来的论文中，我们介绍了一组新的敏感性模型，称为“基于方差的敏感性模型”。基于方差的敏感性模型通过限制因忽略混杂因素而产生的权重分布差异来表征忽略混杂因素的偏差，与现有方法相比有一些显着的创新。首先，基于方差的敏感性模型可以相对于一个简单的 $R^2$ 参数进行参数化，该参数既是标准化的又是有界的。我们引入了一个正式的基准测试程序，允许研究人员使用观察到的协变量以可解释和透明的方式推理合理的参数值。第二，我们表明，研究人员可以在一组基于方差的敏感性模型下估计有效置信区间，并为研究人员提供扩展，以结合他们对混杂因素的实质性知识，以帮助收紧区间。最后，我们强调了我们提出的方法与现有敏感性分析之间的联系，并从经验和理论上证明，基于方差的敏感性模型可以在现有方法的估计置信区间的稳定性和紧密性方面提供改进。我们在一项使用国家健康和营养检查调查 (NHANES) 来检查血汞水平的研究中说明了我们提出的方法。并为研究人员提供扩展，以整合他们对混杂因素的实质性知识，以帮助缩短间隔。最后，我们强调了我们提出的方法与现有敏感性分析之间的联系，并从经验和理论上证明，基于方差的敏感性模型可以在现有方法的估计置信区间的稳定性和紧密性方面提供改进。我们在一项使用国家健康和营养检查调查 (NHANES) 来检查血汞水平的研究中说明了我们提出的方法。并为研究人员提供扩展，以整合他们对混杂因素的实质性知识，以帮助缩短间隔。最后，我们强调了我们提出的方法与现有敏感性分析之间的联系，并从经验和理论上证明，基于方差的敏感性模型可以在现有方法的估计置信区间的稳定性和紧密性方面提供改进。我们在一项使用国家健康和营养检查调查 (NHANES) 来检查血汞水平的研究中说明了我们提出的方法。与现有方法相比，基于方差的敏感性模型可以提高估计置信区间的稳定性和紧密度。我们在一项使用国家健康和营养检查调查 (NHANES) 来检查血汞水平的研究中说明了我们提出的方法。与现有方法相比，基于方差的敏感性模型可以提高估计置信区间的稳定性和紧密度。我们在一项使用国家健康和营养检查调查 (NHANES) 来检查血汞水平的研究中说明了我们提出的方法。