用于识别减少差异的干预目标的分解分析
摘要
在流行病学（中介分析）和经济学（Oaxaca-Blinder分解）中，使用分解方法来理解健康差异如何产生以及它们如何可能因干预而改变，已引起了相当大的兴趣。由于Oaxaca-Blinder分解的实施并未明确处理目标变量的潜在混杂，因此其估计何时可被因果解释一直不清楚。虽然中介分析确实明确调整了目标变量的混杂因素，但其调整方式导致不同种族群体的混杂因素被均等化，这可能并不反映预期的干预。我们重新审视了先前在全国青年纵向调查中关于工资、失业、监禁和整体健康差异的分析，这些分析以考试成绩（作为教育成就的代理）作为目标干预，提出并展示了一种新颖的分解方法，该方法控制考试成绩的混杂因素（童年期社会经济地位的测量），同时保持其与种族的关联不变。我们将此分解与其他分解进行比较，包括使用标准化（仅均等化童年期社会经济地位）、中介分析（在童年期社会经济地位各水平内均等化考试成绩）以及同时均等化童年期社会经济地位和考试成绩的分解。我们还展示了这些分解，包括我们新颖的提议，如何等价于Oaxaca-Blinder分解的因果实现。
引用
@article{arxiv.1703.05899,
title = {Decomposition analysis to identify intervention targets for reducing disparities},
author = {John W. Jackson and Tyler J. VanderWeele},
journal= {arXiv preprint arXiv:1703.05899},
year = {2017}
}
备注
John Jackson is Assistant Professor in the Departments of Epidemiology and Mental Health at the Johns Hopkins Bloomberg School of Public Health and Tyler VanderWeele is Professor in the Departments of Epidemiology and Biostatistics at the Harvard T.H. Chan School of Public Health. Correspondence to [email protected]