面向处理异质性的倾向得分回归因果推断
统计方法学
2023-05-03 v3
摘要
在个性化医疗、个性化广告与政策设计等场景中，理解处理效应如何随个体特征变化至关重要。当实际关注的特征仅为全部协变量的一个子集时，非参数估计往往是可取的；但因计算困难，现有方法寥寥。现有的逆概率加权等非参数方法存在局限，在处理倾向得分接近 0 或 1 的许多实际场景中阻碍了其使用。我们提出倾向得分回归（PSR），可在广泛场景下对非参数异质处理效应进行估计。PSR 依次包含两个非参数回归：先对倾向得分与关注特征进行回归得到中间估计，再仅对关注特征回归该中间估计。通过将倾向得分以非参数形式作为回归元，PSR 能大幅缓解计算困难，同时对任何倾向得分值（局部）不敏感。我们给出了 PSR 的若干优良性质，包括一致性与渐近正态性，特别是存在显式方差估计量，可据此评估 PSR 的分析性质与精度。模拟研究表明，在倾向得分取极值的各类设定下 PSR 优于现有方法。我们将方法应用于 2009 年全国流感调查（NHFS）数据，考察季节性流感疫苗接种与带薪病假在不同年龄组中的效应。
引用
@article{arxiv.2109.07722,
title = {Propensity score regression for causal inference with treatment heterogeneity},
author = {Peng Wu and ShaSha Han and Xingwei Tong and Runze Li},
journal= {arXiv preprint arXiv:2109.07722},
year = {2023}
}