在倾向得分误设定时提升双重稳健估计量的效率
统计方法学
2023-04-18 v3
摘要
双重稳健（DR）估计是因果推断与缺失数据问题中的关键技术。我们提出一种新颖的倾向得分增广双重稳健（PAD）估计量，以增强常用于处理组平均处理效应（ATT）或等价地协变量偏移下结果均值的常规 DR 估计量。当倾向得分（PS）模型误设定且结果回归（OR）模型正确时，我们所提估计量取得了低于传统 DR 估计量的渐近方差，同时保持了双重稳健性质——即 PS 或 OR 模型之一正确即有效。这是通过引入适当校准的调整协变量对 PS 模型进行线性增广，并求解受限加权最小二乘（RWLS）问题以最小化增广估计量的方差来实现的。渐近分析与模拟研究均表明，当 PS 模型错误而 OR 正确时，PAD 相较标准 DR 估计量可显著减小估计方差；当 PS 模型正确时，其表现与 DR 相近。我们进一步将方法应用于利用 1991 年收入与项目参与调查数据研究 401(k) 计划资格对净总金融资产提升的影响。
引用
@article{arxiv.2301.02162,
title = {Improve Efficiency of Doubly Robust Estimator when Propensity Score is Misspecified},
author = {Liangbo Lyu and Molei Liu},
journal= {arXiv preprint arXiv:2301.02162},
year = {2023}
}