如果没有真实的关联，调整测量误差是否会引起正向偏差？
摘要：测量误差调整方法对流行病学研究结果可能产生正偏倚的担忧已被广泛传播。在本文中，我们对这种假设的历史进行了追踪，并在经典的乘积性测量误差模型下对连续和二元健康结果进行了模拟研究，使用了贝叶斯测量调整方法。主要结论是，对假设的测量误差进行调整不会“引发”正相关，尤其是如果将结果的解释重点从点估计上转移到界限的差异上。这与上世纪90年代介绍给流行病学家的早期测量误差调整方法的性质一致。我们提供了一种启发性的论证来支持该观察结果在贝叶斯框架中的普适性。我们发现，当没有真正的关联时，正偏倚只能通过无法辩护的先验操纵来引发，使其在数据中占主导地位。测量误差调整引起的偏倚误解应在流行病学家的培训中得到更清晰的解释，以确保正确（和更广泛）地使用测量误差校正程序。本文所提出的简单信息是：“不要关注点估计，而是关注反映估计变异性的界限差异”。当然还有：“将测量误差视为一个应该比仅仅进行定性（随意）讨论更加重视的可解决问题”。
作者：Igor Burstyn
论文ID：0902.1193
分类：Applications
分类简称：stat.AP
提交时间：2009-02-10