多层次研究中一种更高效、双重稳健的非参数处理效应估计量
统计方法学
2022-05-12 v4
摘要
在研究多层次研究中的处理效应时，研究者通常使用（半）参数估计量，这些估计量对结果、处理和/或集群内研究单元之间的相关结构做出了很强的参数假设。我们提出了一种不做此类假设的新型处理效应估计量。具体而言，该新估计量被证明是双重稳健的、渐近正态的，并且通常比现有估计量更高效，所有这些都无需对结果、处理和相关结构做出任何参数建模假设。我们通过使用为独立同分布（i.i.d.）数据设计的现有机器学习方法，估计因果推断中的两个非标准冗余函数——条件倾向得分和结果协方差模型，来实现这一点。该新估计量还在模拟和真实数据中得到了验证，在这些数据中，新估计量比现有估计量高效得多，尤其是在研究集群特定的处理效应时。
引用
@article{arxiv.2110.07740,
title = {A More Efficient, Doubly Robust, Nonparametric Estimator of Treatment Effects in Multilevel Studies},
author = {Chan Park and Hyunseung Kang},
journal= {arXiv preprint arXiv:2110.07740},
year = {2022}
}