聚类数据因果推断的倾向性评分加权方法
统计方法学
2017-03-20 v1
摘要
倾向性评分加权是观察性研究中调整已测量混杂因素的因果推断工具。实践中，数据常呈现复杂结构，如聚类，这使得倾向性评分建模和估计具有挑战性。此外，对于聚类数据，可能存在与处理分配和结局均相关的未测量聚类特异性变量。当此类未测量的聚类特异性混杂因素存在且在倾向性评分模型中被忽略时，后续的倾向性评分调整可能有偏。本文中，我们提出一种在潜在可忽略处理分配机制下（即给定观测协变量和潜在聚类效应后，处理-结局关系无混杂）进行倾向性评分估计的校准技术。当倾向性评分和结局遵循广义线性混合效应模型时，我们给出了平均处理效应的一致倾向性评分加权估计量。所提出的倾向性评分加权估计量具有吸引力，因为它不需要指定倾向性评分和结局模型的函数形式，因此对模型误设具有稳健性。所提出的加权方法可与抽样权重结合，形成一个处理聚类调查数据因果推断中混杂和抽样设计的集成解决方案。在模拟研究中，我们表明所提出的估计量优于其他竞争者。我们估计了宾夕法尼亚州小学学校体重指数筛查对超重和肥胖患病率的影响。
引用
@article{arxiv.1703.06086,
title = {Propensity score weighting for causal inference with clustered data},
author = {Shu Yang},
journal= {arXiv preprint arXiv:1703.06086},
year = {2017}
}
备注
37 pages, 1 figure and 3 tables. arXiv admin note: text overlap with arXiv:1607.07521