基于设计方法的聚类随机对照试验协变量选择与平均处理效应估计的Lasso-OLS混合方法
统计方法学
2020-05-07 v1
摘要
由于设计效应导致的方差膨胀以及增加研究集群（如医院、学校或社区）的高成本，统计功效常常是聚类随机对照试验（clustered RCT）的一个关注点。虽然协变量预先设定是提高估计回归调整平均处理效应（ATE）功效的首选方法，但在主要结局收集后通过协变量选择可进一步获得精度增益。本文利用聚类随机对照试验背后的基于设计的方法，开发了一种Lasso-OLS混合流程，用于协变量的事后选择与ATE估计，从而避免模型过拟合和缺乏透明性。在第一阶段，使用集群水平均值进行lasso估计，其中利用有限总体回归估计量的新中心极限定理证明了渐近正态性。在第二阶段，使用带第一阶段lasso协变量的加权最小二乘法估计ATE与基于设计的标准误。该非参数方法适用于连续、二值和离散结局。模拟结果表明，第二阶段ATE估计的I类错误接近名义值，标准误接近真实值，尽管在小样本下略显保守。该方法使用一项大型、联邦资助的聚类随机对照试验数据进行演示，该试验检验基于学校的促进行为健康项目的效果。
引用
@article{arxiv.2005.02502,
title = {A Lasso-OLS Hybrid Approach to Covariate Selection and Average Treatment Effect Estimation for Clustered RCTs Using Design-Based Methods},
author = {Peter Z. Schochet},
journal= {arXiv preprint arXiv:2005.02502},
year = {2020}
}