用于因果推断的最优传输权重

协变量分布的不平衡会导致因果效应的有偏估计。加权方法试图纠正这种不平衡，但依赖于对处理分配机制的模型设定，而在观察性研究中该机制是未知的。这使得研究者在不知晓实现分布平衡的正确组合的情况下，不得不为这些模型选择合适的加权方法和适当的协变量函数。针对这些困难，我们提出了文献中若干其他加权方案的非参数推广：因果最优传输（Causal Optimal Transport）。这一新方法通过最小化处理组与对照组之间，或更一般地任意源人群与目标人群之间的最优传输距离，直接以分布平衡为目标。我们的方法是半参数有效且无模型的，但也可以纳入研究者希望平衡的矩或协变量的任何其他重要函数。此外，我们的方法可以提供条件均值结果函数的非参数估计，并给出该估计量的收敛速率。而且，我们展示了该方法如何提供缺失潜在结果的非参数插补，并给出该估计量的收敛速率。我们发现，当倾向得分模型和结果模型均被错误设定时，因果最优传输优于竞争方法，表明它是常见加权方法的一种稳健替代方案。最后，我们在一个考察米索前列醇与催产素治疗产后出血效果的外部对照试验中展示了我们方法的效用。