模型误设下逆概率加权与双重稳健估计量的偏差
统计理论
2018-06-26 v2 统计方法学
统计理论
摘要
在因果推断文献中，属于半参数估计量一类的估计量若至少其中一个工作模型被正确设定时具备良好性质，则被称为稳健的。本文提出一种粗略的解析方法来研究当所有工作模型均误设时平均因果效应的半参数估计量的大样本偏差。我们将该方法应用于三个典型估计量：两个使用误设倾向得分模型的逆概率加权（IPW）估计量，以及一个对结果回归与倾向得分使用误设模型的双重稳健（DR）估计量。为分析何时使用两个误设模型优于一个，我们推导了 DR 估计量偏差小于简单 IPW 估计量以及小于带归一化权重的 IPW 估计量的充要条件。若结果模型的误设程度适中，IPW 与 DR 估计量偏差的比较表明 DR 估计量偏差小于 IPW 估计量。然而，所有偏差均包含 PS 模型误差，我们建议研究者在涉及此类模型时谨慎对 PS 建模。
引用
@article{arxiv.1711.09388,
title = {Model misspecification and bias for inverse probability weighting and doubly robust estimators},
author = {Ingeborg Waernbaum and Laura Pazzagli},
journal= {arXiv preprint arXiv:1711.09388},
year = {2018}
}