协变量随机缺失时倾向得分分析中的多重插补：关于 within 与 across 方法的若干澄清
统计方法学
2023-08-30 v2
摘要
在流行病学和社会科学中，倾向得分方法因利用观测数据估计处理效应而广受欢迎，多重插补则因处理协变量缺失而流行。然而，如何恰当地将多重插补用于倾向得分分析尚不完全清楚。本文旨在澄清已提出方法的一致性（或缺乏一致性），重点关注 within 方法（在每个插补数据集中分别估计效应，再合并多个估计值）与 across 方法（通常在用于效应估计前将各插补数据集的倾向得分取平均）。我们证明 within 方法有效，且可与全数据设定下一致的任一因果效应估计量配合使用。已有的 across 方法不一致，但一种将逆概率权重跨插补数据集平均的不同 across 方法对倾向得分加权是一致的。我们也评论了依赖插补缺失协变量之函数而非协变量本身的方法，包括倾向得分与概率权重的插补。基于一致性结果与实际灵活性，我们建议一般使用标准的 within 方法。自始至终，我们提供直观解释以使结果对广大应用研究者有意义。
引用
@article{arxiv.2301.07066,
title = {Multiple imputation for propensity score analysis with covariates missing at random: some clarity on within and across methods},
author = {Trang Quynh Nguyen and Elizabeth A. Stuart},
journal= {arXiv preprint arXiv:2301.07066},
year = {2023}
}