不可忽略缺失结果下依从者平均因果效应的半参数推断
统计方法学
2014-09-04 v1
摘要
随机试验中常出现不依从和缺失数据，这使得因果效应推断变得复杂。当不依从和缺失数据同时存在时，先前的研究在潜在可忽略缺失数据机制下，针对二值结局和正态分布连续结局提出了矩估计量和最大似然估计量。然而，潜在可忽略缺失数据机制在实践中可能不成立，因为缺失数据机制可能直接依赖于缺失的结局本身。在不依从且结局依赖的不可忽略缺失数据机制下，先前的研究已证明了离散结局的依从者平均因果效应的可识别性。本文研究了在同时存在全或无不依从以及结局依赖的不可忽略缺失连续结局的随机临床试验中，依从者平均因果效应的半参数可识别性与估计问题，并提出了一种两步最大似然估计量以消除无限维 nuisance 参数。我们的方法无需指定缺失数据机制的参数形式。我们还通过广泛的模拟研究和敏感性分析评估了该方法的有限样本性质，并将其应用于一项双盲精神科临床试验。
引用
@article{arxiv.1409.0895,
title = {Semiparametric Inference of the Complier Average Causal Effect with Nonignorable Missing Outcomes},
author = {Hua Chen and Peng Ding and Zhi Geng and Xiao-Hua Zhou},
journal= {arXiv preprint arXiv:1409.0895},
year = {2014}
}
备注
Transactions on Intelligent Systems and Technology 2014