因果推断中平均处理效应的抗离群值估计量
统计方法学
2024-09-16 v2
摘要
逆概率加权（IPW）和双重稳健（DR）估计量常用于估计平均因果效应（ATE），但易受离群值影响。IPW/DR中位数可用于ATE的抗离群值估计，但中位数的抗离群性有限，在重度污染下不够稳健。我们提出了带密度幂加权的IPW/DR估计量的扩展，可几乎完全消除离群值的影响。所提估计量的抗离群性通过估计方程的无偏性进行评估。与基于中位数的方法不同，我们的估计量即使在重度污染下也能抵抗离群值。有趣的是，DR估计量的朴素扩展需要偏差校正，以在最易处理的污染形式下保持双重稳健性。此外，在污染比例依赖于协变量的更困难设定中，所提估计量也被发现对离群值高度抵抗。从影响函数的角度看，我们估计量的抗离群性同样良好。我们的理论结果通过蒙特卡洛模拟和真实数据分析得到验证。所提方法比基于中位数的方法具有更强的抗离群性，并且比基于中位数的方法以更小误差估计了潜在均值。
引用
@article{arxiv.2106.13946,
title = {Outlier-Resistant Estimators for Average Treatment Effect in Causal Inference},
author = {Kazuharu Harada and Hironori Fujisawa},
journal= {arXiv preprint arXiv:2106.13946},
year = {2024}
}