一种用于因果效应估计的广义双稳健贝叶斯模型平均方法及其在骨质疏松性骨折研究中的应用
统计方法学
2020-03-27 v1
摘要
分析人员在选择协变量进行因果效应估计时，常使用数据驱动的方法补充其专业知识。近年来已设计出多种针对因果效应估计的变量选择程序，但仍需进一步发展以充分满足数据分析人员的需求。在本文中，我们提出一种广义贝叶斯因果效应估计（GBCEE）算法，用于对二值或连续暴露与结局进行变量选择并产生因果效应的双稳健估计。GBCEE采用一种先验分布，旨在选择真实混杂因素和结局预测变量，以在降低标准误的情况下无偏估计因果效应。双稳健估计量对模型误设提供一定鲁棒性，而贝叶斯机制使GBCEE能直接对其估计值产生推断。GBCEE在各种模拟场景中与多种替代方法进行比较，观察到其表现相似或优于双稳健替代方法。其直接产生推断的能力从计算角度也是一项重要优势。该方法最终被用于估计骨质疏松性骨折研究中老年女性达到身体活动推荐量对髋部或大腿上端骨折风险的影响。在此示例中，GBCEE产生的95%置信区间比调整所有潜在混杂因素的双稳健估计量短61%。
引用
@article{arxiv.2003.11588,
title = {A generalized double robust Bayesian model averaging approach to causal effect estimation with application to the Study of Osteoporotic Fractures},
author = {Denis Talbot and Claudia Beaudoin},
journal= {arXiv preprint arXiv:2003.11588},
year = {2020}
}