观察性研究中多水平处理的倾向得分匹配与分层
统计方法学
2017-10-11 v2
摘要
本文开发了在观察性研究中估计平均处理效应的新方法，重点关注在给定预处理变量无混杂假设下具有两个以上处理水平的设定。我们强调了分层和匹配方法，这些方法在二值处理文献中被证明是有效的，并且是该设定中最受欢迎的方法。尽管文献表明这些特定的基于倾向得分的方法不能自然地推广到多水平处理的情况，但我们利用弱无混杂性的概念表明，对预处理变量的标量函数进行调整或匹配，可以消除与观测到的预处理变量相关的所有偏差。我们将所提出的方法应用于纤维肌痛处理效应的分析。我们还进行了一项模拟研究，以评估这些方法相对于先前提出方法的有限样本性能。
引用
@article{arxiv.1508.06948,
title = {Propensity Score Matching and Subclassification in Observational Studies with Multi-level Treatments},
author = {Shu Yang and Guido W. Imbens and Zhanglin Cui and Douglas Faries and Zbigniew Kadziola},
journal= {arXiv preprint arXiv:1508.06948},
year = {2017}
}
备注
29 pages, 1 figure