一种通过带估计方程约束的线性规划处理未测量混杂因素的简单敏感性分析方法

在观察性研究中估计平均处理效应时，应恰当处理混杂因素的影响。为此，倾向得分被广泛应用。若所有受试者的倾向得分已知，则可由倾向得分通过逆概率加权（IPW）来调整由混杂因素导致的偏倚。由于倾向得分通常未知，常采用参数逻辑回归模型估计，其未知参数通过在强可忽略处理分配（SITA）假设下求解得分方程估计。违背 SITA 假设和/或倾向得分模型设定错误会在估计平均处理效应时引起严重偏倚。为放宽 SITA 假设，已成功引入基于结果依赖倾向得分的 IPW 估计量。然而，它仍依赖于正确设定的参数模型及其识别。本文提出一种针对未测量混杂因素的简单敏感性分析方法。在标准实践中，估计方程用于估计参数倾向得分模型中的未知参数。我们的思路是，在仍利用估计方程的同时，通过移除限制性参数模型假设来对平均因果效应进行推断。利用真实倾向得分渐近满足的估计方程作为约束，我们通过线性规划构造平均处理效应的最坏情况边界。与现有敏感性分析方法不同，我们以最小假设构造最坏情况边界。我们通过模拟研究与一个真实案例说明了所提方法。