用于异质处理效应估计的层次贝叶斯自助法
统计方法学
2023-01-05 v2
摘要
因果推断的一个主要焦点是异质平均处理效应 (HTE) 的估计——即在另一感兴趣变量（如生物标志物水平、教育程度或年龄层）的层内的平均处理效应。推断涉及估计层特定回归并将其在该层混杂因子分布上积分——而该分布本身也必须被估计。标准做法独立地估计这些层特定混杂因子分布（例如通过经验分布或 Rubin 的贝叶斯自助法），这对于具有少量观测混杂因子向量的稀疏层而言会出现问题。在本文中，我们针对 HTE 估计开发了层特定混杂因子分布上的非参数层次贝叶斯自助法 (HBB) 先验。HBB 对层特定分布进行部分池化，从而允许在稀疏性成为关注点时跨层原则性地借用混杂因子信息。我们表明，在 HBB 下的后验推断相较于标准边际化方法可带来效率提升，同时避免关于混杂因子分布的强参数假设。我们使用我们的方法估计了质子与光子放化疗在不同癌症类型中的不良事件风险。
引用
@article{arxiv.2009.10839,
title = {Hierarchical Bayesian Bootstrap for Heterogeneous Treatment Effect Estimation},
author = {Arman Oganisian and Nandita Mitra and Jason Roy},
journal= {arXiv preprint arXiv:2009.10839},
year = {2023}
}