时变内生处理的边际结构模型：一种时变工具变量方法
统计方法学
2018-09-17 v1
摘要
Robins (1998) 引入了边际结构模型（MSMs），这是一类用于复杂纵向研究中受时变混杂影响的时变处理机制联合效应的反事实模型的一般类。他在序列随机化假设（SRA）下建立了 MSM 参数的可识别性，该假设本质上排除了随时间处理分配中未测混杂的存在。在本技术报告中，我们考虑在序列随机化因未测混杂而不成立时，借助时变工具变量识别 MSM 参数的充分条件。我们的识别条件本质上要求无未观测混杂预测时变处理的依从类型，即 Wang 与 Tchetgen Tchetgen (2018) 识别条件的纵向推广。在此假设下，我们导出了一大类的半参数估计量，其通过一组修正的权重纳入时变 IV，从而推广了在标准 SRA 下估计 MSM 最流行的逆概率加权（IPW）方法。在仅对由 MSM 给出的观测数据分布施加限制的半参数模型下，导出了 MSM 参数影响函数集合，并证明其为包括局部半参数有效估计量在内的丰富多重稳健估计量类。
引用
@article{arxiv.1809.05422,
title = {Marginal Structural Models for Time-varying Endogenous Treatments: A Time-Varying Instrumental Variable Approach},
author = {Eric J Tchetgen Tchetgen and Haben Michael and Yifan Cui},
journal= {arXiv preprint arXiv:1809.05422},
year = {2018}
}