基于估计倾向得分截断的观察性研究中的渐近因果推断
统计方法学
2022-07-19 v3
摘要
观察性研究中的因果推断通常依赖于无混杂性以及不同处理组间协变量分布重叠的假设。当某些单元的倾向得分接近0或1时，重叠假设即被违反，因此实践和理论研究者均建议剔除具有极端估计倾向得分的单元。然而，现有的截断方法忽略了这一设计阶段的不确定性，并且由于截断的非平滑性，将推断仅限于截断后的样本。我们提出了一种平滑加权方法，它近似于现有的样本截断，但具有更好的渐近性质。这种新的平滑加权估计量的一个优点是其渐近线性，这确保了可以使用 bootstrap 对目标总体进行推断，从而纳入来自设计和分析阶段的不确定性。我们还将该理论扩展至处理组上的平均处理效应，建议截断估计倾向得分接近1的样本。
引用
@article{arxiv.1704.00666,
title = {Asymptotic causal inference with observational studies trimmed by the estimated propensity scores},
author = {Shu Yang and Peng Ding},
journal= {arXiv preprint arXiv:1704.00666},
year = {2022}
}
备注
21 pages, 1 figures and 3 tables