具有准确亚组平衡的倾向得分分析
统计方法学
2024-04-19 v1
摘要
在存在治疗效应异质性时，估计观察性研究中各亚组的因果处理效应至关重要。现有的倾向得分方法依赖于正确指定的倾向得分模型。模型误指定会导致治疗效应估计偏误和协变量不平衡。我们提出了一种新算法——具有准确亚组平衡的倾向得分分析（G-SBPS），以实现所有亚组中协变量均值的平衡。我们进一步采用非参数核回归进行倾向得分建模，并开发了核化G-SBPS（kG-SBPS），以在丰富的函数类中改进协变量变换的亚组均值平衡。该扩展对倾向得分模型误指定更具鲁棒性。大量数值研究表明，G-SBPS和kG-SBPS在比较现有方法时，显著改善了亚组协变量平衡和亚组治疗效应估计。我们将G-SBPS和kG-SBPS应用于右心导管数据集，以估计住院时长的亚组平均处理效应；并应用于糖尿病自我管理培训数据集，以估计住院率的亚组受治疗者平均处理效应。
引用
@article{arxiv.2404.11713,
title = {Propensity Score Analysis with Guaranteed Subgroup Balance},
author = {Yan Li and Yong-Fang Kuo and Liang Li},
journal= {arXiv preprint arXiv:2404.11713},
year = {2024}
}