基于 Wasserstein 距离的高维预测变量匹配敏感性分析：美国死亡率种族差异案例研究
应用统计
2024-05-06 v1
摘要
基于低维标量协变量向量的匹配法由于在每个组内的个体之间构建若干组，其中每组内的每个个体与另一组中的某个个体在预先指定的距离内。然而，由于距离对实现细节、caliper 宽度和观测误差较为敏感，高维空间中的匹配更具挑战性。为部分解决这些问题，我们提出使用大量敏感性分析并确定主要的变异来源和偏差。我们通过使用美国全国健康与营养调查（NHANES 2003-2006）中关于美国所有因死亡率种族差异的案例研究来说明这些概念。特别是，我们将非裔美国人与欧洲裔美国人在年龄、性别、BMI 和客观测量的体力活动（PA）上进行匹配。PA 通过使用最多七天的加速度计每分钟测量一次，然后转换为所有分钟级观测的经验分布。Wasserstein 距离用于衡量这些受试者特定分布之间的距离。
引用
@article{arxiv.2405.01694,
title = {Sensitivity analysis for matching on high-dimensional predictors: A case study of racial disparity in US mortality},
author = {Marina Hernandez and Ciprian Crainiceanu},
journal= {arXiv preprint arXiv:2405.01694},
year = {2024}
}