引入外部对照估计高维数据下处理组的平均处理效应：保持双重稳健性并确保双重安全性
统计方法学
2025-09-26 v1 机器学习
摘要
随机对照试验（RCT）被广泛视为生物医学研究中因果推断的金标准。例如，在估计处理组的平均处理效应（ATT）时，可以应用双重稳健估计程序，要求倾向得分模型或对照结果模型之一被正确指定。在本文中，我们处理外部对照数据可用且通常具有更大样本量的场景。此类数据通常更容易从历史记录或第三方来源获取。然而，我们发现将外部对照纳入ATT的标准双重稳健估计量中，可能会悖论性地导致与不使用外部对照的估计量相比效率降低。这一反直觉的结果表明，外部对照的朴素纳入可能对估计效率有害。为解决此问题，我们提出了一种新型双重稳健估计量，即使在模型误设的情况下，也能保证比不使用外部对照的标准方法具有更高的效率。当所有模型被正确指定时，该估计量与纳入外部对照的标准双重稳健估计量一致，并达到半参数效率。本工作中发展的渐近理论适用于高维混杂因素设置，此类设置随着电子健康记录数据的日益普及而变得越来越常见。我们通过广泛的模拟研究和真实数据应用证明了该方法的有效性。
引用
@article{arxiv.2509.20586,
title = {Incorporating External Controls for Estimating the Average Treatment Effect on the Treated with High-Dimensional Data: Retaining Double Robustness and Ensuring Double Safety},
author = {Chi-Shian Dai and Chao Ying and Yang Ning and Jiwei Zhao},
journal= {arXiv preprint arXiv:2509.20586},
year = {2025}
}