协变量调整线性工具变量估计量的稳健性与效率
统计方法学
2015-10-08 v1
摘要
两阶段最小二乘(TSLS)估计量及其变体被广泛用于利用工具变量(IVs)推断暴露对结果的影响。它们属于更广泛的二类工具变量估计量，该类基于拟合暴露的条件均值模型，然后将拟合的暴露值连同协变量作为结果线性模型中的预测变量。我们表明标准TSLS估计量比更一般的二阶段估计量对模型误设具有更强的稳健性。然而，由于可能使用错误的暴露模型（例如当暴露为二元时），它们往往效率低下。鉴于此，我们转而研究双稳健G估计量。这些使用暴露、IV和结果的工作模型，但仅要求IV模型或结果模型之一正确设定，以保证暴露效应估计的一致性。由于局部高效G估计量的有限样本性能可能较差，我们进一步开发了在部分或全部工作模型误设下具有改进效率和稳健性的G估计过程。模拟研究和数据分析证明了显著改进，即使一个或多个工作模型被误设，性能也异常良好。
引用
@article{arxiv.1510.01770,
title = {Robustness and efficiency of covariate adjusted linear instrumental variable estimators},
author = {Stijn Vansteelandt and Vanessa Didelez},
journal= {arXiv preprint arXiv:1510.01770},
year = {2015}
}