揭示双重稳健性：从不完整数据估计总体均值的替代策略比较

当结果缺失的原因超出研究者控制范围时，有两种不同的方法可针对可能与结果及缺失性均相关的协变量调整参数估计。一种方法是建立协变量与结果之间的关系模型，并利用该关系预测缺失值。另一种方法是建立给定协变量的缺失概率模型，并将其纳入加权或分层估计中。双重稳健（DR）程序同时应用这两类模型，只要其中任一模型设定正确，即可产生参数的相合估计。本文展示了 DR 估计的多种构建方式。我们在一个模拟示例中比较了各种 DR 和非 DR 估计总体均值的性能，该示例中两个模型均不正确但均未严重误设。使用逆概率作为权重的方法（无论是否为 DR），当某些估计倾向值较小时，对倾向模型的误设非常敏感。许多 DR 方法的表现优于简单的逆概率加权。然而，我们尝试的所有 DR 方法均未在表现上超越基于简单回归的缺失值预测。本研究并未涵盖实践中出现的所有缺失数据问题，但它表明，在至少某些情境下，两个错误模型并不优于一个。