基于倾向得分的流行病学队列人群推断的高效稳健方法
统计方法学
2020-12-01 v1
摘要
大多数流行病学队列由不代表一般人群的志愿者组成。为了实现从队列到人群推断，我们及他人曾提出利用概率调查样本作为外部参考，以建立队列与调查之间隶属关系的倾向得分（PS）。本文我们为基于PS的加权（如逆PS加权（IPSW））和匹配方法（如核加权（KW）方法）构建了一个统一框架。我们识别出已有基于PS的匹配方法所依赖的一个基本强可交换性假设（SEA），该假设失效时即便PS模型设定正确也会使推断失效。我们将匹配方法的SEA放宽为弱可交换性假设（WEA）。此外，我们提出IPSW.S和KW.S方法，通过对PS估计中使用的调查权重进行缩放来降低基于PS的估计量的方差。我们证明了在WEA下总体均值与患病率的IPSW.S和KW.S估计量的一致性，并给出了渐近方差与一致方差估计量。在模拟中，KW.S和IPSW.S估计量具有最小的MSE。在我们的数据示例中，原始KW估计存在较大偏差，而KW.S估计具有最小的MSE。
引用
@article{arxiv.2011.14850,
title = {Efficient and Robust Propensity-Score-Based Methods for Population Inference using Epidemiologic Cohorts},
author = {Lingxiao Wang and Barry I. Graubard and Hormuzd A. Katki and Yan Li},
journal= {arXiv preprint arXiv:2011.14850},
year = {2020}
}