positivity 缺失下的处理组平均处理效应

倾向得分(PS)方法的使用在因果推断中已无处不在。这些方法的核心在于 positivity 假设。posititivity 假设的违背会在估计感兴趣的平均因果效应（如平均处理效应(ATE)或处理组平均处理效应(ATT)）时导致极端 PS 权重的出现，从而使相关统计推断失效。为规避此问题，对极端估计 PS 进行裁剪或截断已被广泛采用。然而，这些方法要求我们事先指定一个阈值，有时还需一个额外的平滑参数。尽管在估计 ATE 时已有若干应对 positivity 缺失的方法，但令人惊讶的是，针对 ATT 的同一问题却鲜有研究。本文中，我们首先回顾 ATT 中广泛使用的裁剪与截断等方法，强调这些方法背后的直觉以更好理解其应用并指出其主要局限。接着，我们论证现有方法仅仅以缩放后的 ATT（因而将目标移向不同的感兴趣目标）为估计量，并在此明确该缩放比例与目标人群。我们进一步提出一种基于 PS 权重的处理组平均因果效应替代方案，称为重叠加权处理组平均处理效应(OWATT)。我们所提方法的吸引力在于，它能在放宽事先选择阈值（甚至指定平滑参数）之约束的同时，取得与裁剪和截断相似甚至更优的结果。所提方法的性能通过一系列蒙特卡洛模拟以及一项关于医疗支出中种族差异的数据分析加以说明。