用于预测项目长期影响的数据融合
统计方法学
2022-05-05 v1
摘要
决策者在做决策时往往缺乏关于项目长期影响的信息。我们展示了如何使用数据融合方法来解决最终结局缺失的问题，并在必要数据可用之前预测干预的长期影响。我们通过将干预数据与辅助长期数据拼接，然后利用短期替代结局填补缺失的长期结局，同时使用重复方法近似不确定性，来实现该方法。我们使用模拟检验该方法的性能，并在案例研究中应用该方法。具体而言，我们将俄勒冈健康保险实验的数据与国家纵向死亡研究的数据相融合，估计有资格申请补贴健康保险将导致长期死亡率在统计上显著的改善。
引用
@article{arxiv.2205.01804,
title = {Data fusion for predicting long-term program impacts},
author = {Michael W. Robbins and Sebastian Bauhoff and Lane Burgette},
journal= {arXiv preprint arXiv:2205.01804},
year = {2022}
}