倾向得分模型的稳健估计方法及其在一些因果估计量上的应用：综述与提议

Shunichiro Orihara

倾向得分模型的稳健估计方法及其在一些因果估计量上的应用：综述与提议

统计方法学 2023-01-19 v3

作者: Shunichiro Orihara

摘要

在观察性研究中，倾向得分在估计因果效应方面具有核心作用。由于倾向得分通常未知，通过适当程序进行估计是不可或缺的一步。需注意，若倾向得分模型设定错误，因果效应估计量可能存在偏倚；有效的模型构建十分重要。为克服该问题，已提出多种有趣的方法。本文综述四种方法：使用普通逻辑回归方法；Imai 和 Ratkovic 提出的 CBPS；McCaffrey 及其同事提出的 boosted CART；Liu 及其同事提出的半参数策略。此外，我们提出新颖的稳健两步策略：第一步估计各候选模型，第二步将其整合。我们通过估计 Li 及其同事提出的 ATE 和 ATO 的模拟示例确认这些方法的性能。模拟示例结果显示，具有高阶平衡条件的 boosted CART 和 CBPS 具有良好性质；ATE 和 ATO 的估计均具有小方差和绝对偏倚值。boosted CART 和 CBPS 对多种估计量和估计程序均有用。

关键词

倾向得分观察性研究因果估计量 CBPS boosted CART 稳健估计 ATE ATO

引用

@article{arxiv.2206.05640,
  title  = {Robust Estimating Method for Propensity Score Models and its Application to Some Causal Estimands: A review and proposal},
  author = {Shunichiro Orihara},
  journal= {arXiv preprint arXiv:2206.05640},
  year   = {2023}
}

备注

Keywords: Causal inference, Overlap weight, Propensity score, Robust estimation

倾向得分模型的稳健估计方法及其在一些因果估计量上的应用：综述与提议

摘要

关键词

引用

备注

相关论文