Generalizing Causal Effects to a Target Population Without Individual-Level Data from the Target Population

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Method for generalizing RCT findings to broader populations without individual-level data.

🏢実務担当者:Could be used to assess the scalability of behavioral interventions in sustainability programs.

🏛政策担当者:Helps in designing evidence-based climate policies by generalizing trial results.

一般化可能性はランダム化研究における恒常的な関心事である。ランダム化研究は因果関係を確立するためのゴールドスタンダードである一方、研究サンプルは、便宜的サンプリング、参加者の自己選択、研究者の包含・除外基準などの要因により、より広い集団を代表することは稀である。ランダム化実験の一般化可能性を強化するために、因果効果の一般化可能性の枠組みが解決策を提供する。しかし、既存の方法は対象集団からの代表的な個別レベルデータへのアクセスを必要とし、これは限られたリソース、データアクセス制限、またはプライバシーの懸念によりしばしば利用不可能である。本論文では、対象集団の共変量に関する要約統計量のみを用いて因果効果を一般化する新しい方法を開発する。我々は、気候変動行動介入の影響を研究サンプルからより広い集団へ一般化する実世界研究を用いて推定器を例示する。対象集団からの個別レベルデータの必要性を回避することにより、我々の方法はランダム化研究からの因果的知見を一般化するための実用的なツールを提供する。提案された方法が、より正確な理論の構築と、行動・心理学研究の政策的関連性の向上に役立つことを期待する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Generalizability is a perennial concern in randomized studies. While randomized studies are the gold standard for establishing causality, study samples are rarely representative of broader populations due to factors such as convenience sampling, participant self-selection, and researchers' inclusion or exclusion criteria. To strengthen the generalizability of randomized experiments, the framework of causal effect generalizability provides a solution. However, existing methods require accessing representative individual-level data from the target population, which is often unavailable due to limited resources, data access restrictions, or privacy concerns. In this paper, we develop a novel method to generalize causal effects using only summary statistics on covariates from the target population. We illustrate the estimator using a real-world study by generalizing the impact of a climate change behavioral intervention from the study sample to a broader population. By avoiding the need for individual-level data from the target population, our method offers a practical tool for generalizing causal findings from randomized studies. We hope that the proposed method helps build more accurate theories and enhance the policy relevance of behavioral and psychological research.

• openalex https://figshare.com/articles/journal_contribution/Generalizing_Causal_Effects_to_a_Target_Population_Without_Individual-Level_Data_from_the_Target_Population/32647566first seen 2026-06-13 04:42:01 · last seen 2026-06-18 04:46:39