服从者随机直接效应：识别与稳健估计
统计方法学
2020-06-16 v1
摘要
中介分析对于理解暴露与结局关系背后的机制至关重要。在本文中，我们利用工具变量的随机化，识别了暴露通过中介变量之外途径对结局产生的工具变量（IV）直接效应。据我们所知，此前尚未考虑或估计过此类估计量。我们提出并评估了针对该估计量的几种估计方法：逆概率治疗加权估计量（IPTW）之比、估计方程估计量（EE）之比、靶向最小损失估计量（TMLE）之比，以及直接靶向服从者随机直接效应（CSDE）的 TMLE。这些估计量适用于多种研究设计，包括随机鼓励试验（如我们作为示例考虑的 MTO 住房券实验）、处理不连续设计以及孟德尔随机化。我们发现 IPTW 估计量对有限样本偏倚最为敏感，即使在样本量 N=100 且所有模型均正确设定的情况下，偏倚仍超过 40%。相比之下，EE 估计量与相容的 TMLE 估计量对有限样本的敏感度要低得多。EE 与 TMLE 估计量在效率以及对正确参数模型设定的依赖减少方面，也优于 IPTW 估计量。
引用
@article{arxiv.1810.12452,
title = {Complier stochastic direct effects: identification and robust estimation},
author = {Kara E Rudolph and Oleg Sofrygin and Mark J van der Laan},
journal= {arXiv preprint arXiv:1810.12452},
year = {2020}
}