用于广义倾向得分模型选择的结果调整平衡度量
统计方法学
2021-07-28 v1
摘要
在本文中，我们提出结果调整平衡度量，用于广义倾向得分（GPS）的模型选择；GPS是估计具有两个以上处理水平的观察性研究中成对平均处理效应（ATEs）的重要组成部分。该平衡度量的主要目标是识别GPS模型设定，使得所得ATE估计量一致且高效。遵循近期的经验与理论证据，我们确立最优GPS模型应仅包含与结果相关的协变量。给定一组候选GPS模型，结果调整平衡度量通过对每个候选模型进行匹配来插补所有基线协变量，并选择使插补值与原始协变量值之间绝对均值差异的加权和最小的模型。权重的定义利用了协变量-结果关系，从而惩罚未实现最优变量选择的GPS模型。在适当假设下，我们证明结果调整平衡度量一致地选择最优GPS模型，使得所得GPS匹配估计量渐近正态且高效。我们在模拟研究中将其有限样本表现与现有度量进行比较，并通过对Tutoring数据的分析展示了所提方法的应用。
引用
@article{arxiv.2107.12487,
title = {Outcome-Adjusted Balance Measure for Generalized Propensity Score Model Selection},
author = {Honghe Zhao and Shu Yang},
journal= {arXiv preprint arXiv:2107.12487},
year = {2021}
}