因果效应分析作为一种发展较快的统计分析方法，主要考察兴趣变量之间所具有的因果关系，在此基础上发展成为一门成熟的学科。因果性与一般所说的关联性是两个不同的概念，为了研究这一性质，涌现了许多新的方法，包括潜在输出值模型、图模型及结构方程模型。 本文感兴趣的是，在医学领域中，当患者接受某种治疗后，对病情有何影响。已有较多文献针对是非型(0—1)处理值的情形作出了研究。本文将问题推广，主要研究，当处理值是多元分布数据，并且处理值和混杂量都依时间而变化时，处理值关于输出值的边缘均值的因果效应。我们运用潜在输出值的边缘结构模型及其IPTW估计，来对处理值的因果效应进行估计。首先关于输出值的均值建立logit模型，虽然混杂量对输出值及处理值都有影响，然而仅把这个影响放到一个权重中去考虑，权重可以看作是处理值的无条件概率分布与其在混杂量的条件分布下的比值。通过对处理值的无条件及条件概率分布分别进行建模，并求得其估计值，就可以得到权重的估计值。将输出值模型与权重相结合，由广义加权估计的方法，就可以得到相应参数的估计值，而这些参数就可以较好的反映处理值的因果效应。 第二、三章系统的介绍因果分析方法，包括其起源及发展，因果关系同关联性的区别，并引入新的记号及表达方式。之后提出我们所要研究的问题，并介绍以前的统计学家是如何对处理值为是非型数据的情形进行因果分析的。第四章，将是非型数据推广到多项分布的情形，详细的阐述如何通过边缘结构模型及其IPTW估计来对参数进行因果估计，从而估计处理值对输出值的因果效应。第五章，用AIPTW估计来优化IPTW估计，得到的是相容性估计。另外，在生存分析问题中，把截尾事件也看作一种依时间而变化的处理值，运用边缘模型的方法来估计因果效应。