用于多水平数据平均处理效应估计的部分合并倾向得分模型
应用统计
2020-12-24 v2
摘要
因果推断分析常使用已有的观测数据，而在许多情况下这些数据的个体存在某种聚类。本文讨论了多水平设定下的倾向得分加权方法，其中同一聚类内的个体共享与处理分配及潜在结果相关的未测量混杂因素。我们特别关注由于存在大量小型聚类而导致带有固定聚类效应的模型不可行或无用的情形。通过数值实验与理论推导，我们发现：在结果模型满足温和条件时，将具有相似处理普遍率的聚类分组并在此类聚类组内估计倾向得分的策略，能有效降低来自未测量聚类水平协变量的偏差。我们利用《幼儿园早期儿童纵向研究》数据，将所提方法应用于评估以中心为基础的学前项目参与对儿童幼儿园阶段学业成就的影响。
引用
@article{arxiv.1910.05600,
title = {Partially Pooled Propensity Score Models for Average Treatment Effect Estimation with Multilevel Data},
author = {Youjin Lee and Trang Q. Nguyen and Elizabeth A. Stuart},
journal= {arXiv preprint arXiv:1910.05600},
year = {2020}
}