缺失数据下计数暴露的逆概率加权
统计方法学
2026-03-26 v1 应用统计
摘要
逆概率处理加权 (IPTW) 广泛用于估计因果效应，但对于计数暴露的指导意见有限，也不清楚 IPTW 在此背景下与多重插补的组合性能如何。在本研究中，我们评估了五种 IPTW 方法用于计数暴露：多项分类分箱、参数化和非参数协变平衡倾向得分 (CBPS, npCBPS)、广义提升模型 (GBM) 和能量平衡。我们的模拟研究灵感来自 1970 年英国队列研究的数据，旨在估计心理症状在 34 岁时以计数形式测量，对 42 岁自我报告的长期病史影响。我们在截断负二项和泊松暴露分布下，对这些方法在偏差、覆盖率、有效样本量和其他指标上的表现进行了比较。我们还评估了在不同缺失机制下 Rubin 规则的性能。在完全数据情况下，多项分类、CBPS、GBM 和能量权产生低偏差和接近名义覆盖率，而 npCBPS 由于权重过于极端导致偏差和覆盖率不佳。在完全随机缺失 (MCAR) 时，IPTW 与多重插补的表现模式相似。在随机缺失 (MAR) 情况下，随着缺失率的增加，偏差增加，但这同时发生在 IPTW 和协变调整回归中，可能反映了插补模型的局限性，而非 IPTW 的失败。总体而言，这些发现支持在类似设置下使用多项分类、CBPS、GBM 和能量权进行计数暴露，同时指出这些方法之间的权衡以及需要插补模型适应右截断过离散计数的需求。
引用
@article{arxiv.2603.23726,
title = {Inverse Probability Weighting of Count Exposures in the Presence of Missing Data: A Simulation Study},
author = {Martin N. Danka and Jessica K. Bone and George B. Ploubidis and Richard J. Silverwood},
journal= {arXiv preprint arXiv:2603.23726},
year = {2026}
}