合并观测性与实验性数据集的倾向得分方法
统计方法学
2018-10-23 v2
摘要
本项目考虑如何以更丰富的观测数据库（ODB）数据扩充数量有限的随机对照试验（RCT）数据，以估计因果效应。在我们的动机场景中，ODB 具有更好的外部有效性，而 RCT 具有真正的随机化。我们使用 ODB 中由倾向得分定义的层。来自 RCT 的受试者被放入若其处于 ODB 中本应具有的倾向得分所定义的层。我们的第一种方法简单地将 RCT 数据嵌入其对应的 ODB 层中。我们的第二种方法在每个层内取 ODB 与 RCT 处理效应估计的数据驱动凸组合。利用 delta 方法和模拟，我们表明当 RCT 协变量与 ODB 中来自同一分布时，嵌入法效果最佳。我们的凸组合方法比嵌入法对基于协变量的纳入标准（会使 RCT 数据偏倚）更具鲁棒性。我们将方法应用于女性健康倡议（Women's Health Initiative）的数据，这是一项针对数千名绝经后女性的研究，包含关于激素治疗（HT）的观测与实验数据。使用一半 RCT 定义金标准，我们发现一种嵌入估计的变体给出了 HT 对冠心病因果影响的稳定估计。
引用
@article{arxiv.1804.07863,
title = {Propensity Score Methods for Merging Observational and Experimental Datasets},
author = {Evan Rosenman and Art B. Owen and Michael Baiocchi and Hailey Banack},
journal= {arXiv preprint arXiv:1804.07863},
year = {2018}
}