重叠、匹配还是熵权重：我们究竟在加权什么？
统计方法学
2024-02-05 v3 应用统计
摘要
近来出现了大量用于处理使用逆概率权重（IPW）时充分正性缺失问题的统计方法。然而，这些新兴进展引发了许多疑问。为此，我们展示了平衡估计量（重叠、匹配与熵权重）处理正性缺失的能力。与IPW相比，平衡估计量已被证明灵活且易于解释。然而，推动其广泛应用需要研究者清楚为何、何时应用它们以及预期结果。在本文中，我们提供了使用这些估计量以获得稳健结果的理论依据。我们具体考察治疗分配中的不平衡对正性并最终对治疗效应估计的影响。我们聚焦于IPW估计量的典型缺陷及其与接受治疗者平均治疗效应（ATT）和对照组平均治疗效应（ATC）估计量的关系。此外，我们还将IPW截断与平衡估计量进行比较。我们特别关注两个关键点：它们的估计量在根本上有何区别？我们何时可以预期相似的结果？我们的发现通过蒙特卡洛模拟研究以及一个关于医疗支出的数据实例加以说明。
引用
@article{arxiv.2210.12968,
title = {Overlap, matching, or entropy weights: what are we weighting for?},
author = {Roland A. Matsouaka and Yi Liu and Yunji Zhou},
journal= {arXiv preprint arXiv:2210.12968},
year = {2024}
}