暴露错误分类与信息性簇大小之间的相互作用
统计方法学
2020-07-28 v1 应用统计
摘要
本文研究当簇大小可能具有信息性（即与结局相关）且错误分类随簇大小差异时，暴露错误分类的影响。首先，我们证明，当簇大小原本非信息性时，与簇大小相关的暴露错误分类可诱导信息性。其次，我们证明，随信息性簇大小差异的错误分类不仅会衰减暴露效应的估计，甚至可能膨胀或逆转估计的符号。为校正估计边际参数时的偏倚，我们提出两个框架：(i) 针对簇大小和结局的联合边际模型的观测似然方法，以及 (ii) 期望估计方程方法。尽管我们聚焦于估计边际参数，但一个推论是观测似然方法同样允许对条件参数进行有效推断。利用护士健康研究 II 的数据，我们比较了所提出的校正方法应用于激励性数据的结果，该数据涉及 47,450 名护士的 106,198 名子女中宫内己烯雌酚暴露对注意缺陷/多动障碍的多代效应。
引用
@article{arxiv.1910.07438,
title = {On the Interplay Between Exposure Misclassification and Informative Cluster Size},
author = {Glen McGee and Marianthi-Anna Kioumourtzoglou and Marc G. Weisskopf and Sebastien Haneuse and Brent A. Coull},
journal= {arXiv preprint arXiv:1910.07438},
year = {2020}
}