平衡与样本量如何影响因果处理效应估计的偏差：一项模拟研究
统计方法学
2021-07-20 v1 应用统计
摘要
观察性研究常用于理解暴露与结局之间的关系。然而，除非使用统计技术来解释暴露组间混杂因素的不平衡，否则无法得出关于因果关系的结论。倾向得分与平衡加权（PSBW）是有用的技术，旨在通过加权各组使其在已观测混杂因素上看起来相似，从而减少暴露组间的不平衡。尽管可用于估计 PSBW 的方法众多，但对于何为充分平衡缺乏指导，且除非满足若干条件，否则因果处理效应的无偏且稳健的估计无法保证。准确的推断要求：1. 处理分配机制已知；2. 基线协变量与结局之间的关系已知；3. 加权后达到基线协变量的充分平衡；4. 已知用于控制混杂偏差的适当协变量集合；5. 具备足够大的样本量。在本文中，我们使用不同规模的模拟数据来研究这五个因素对统计推断的影响。我们的发现提供了证据，表明最大 Kolmogorov-Smirnov 统计量是评估基线协变量平衡的适当统计度量，这与许多应用中使用的平均标准化均数差相反，且 0.1 是可作为可接受平衡的合适阈值。最后，我们建议每个处理组每个混杂因素需要 60-80 个观测值，以获得可靠且无偏的因果处理效应估计。
引用
@article{arxiv.2107.09009,
title = {How balance and sample size impact bias in the estimation of causal treatment effects: A simulation study},
author = {Andreas Markoulidakis and Peter Holmans and Philip Pallmann and Monica Busse and Beth Ann Griffin},
journal= {arXiv preprint arXiv:2107.09009},
year = {2021}
}