健康政策评估中的共享对照个体：以医用大麻法律为例
统计方法学
2023-12-01 v1 应用统计
摘要
健康政策研究者常常关注在某一聚类层级单元（如州、县、医院等）实施的某项政策对跨多个时间段收集的个体层面结果的影响。堆叠双重差分（stacked difference-in-differences）是一种日益流行的估计这些效应的方法。该方法涉及估计每个政策实施单元的处置效应，然后在科学上合适时将其汇总为平均效应估计。然而，当个体层面数据可用且非实施单元被用作多个政策实施单元的比较对象时，来自未处置个体的数据可能被用于多个分析中，从而在效应估计之间引发相关性。现有方法未量化或考虑这种对照的共享。在此，我们描述了一项堆叠双重差分研究，调查州医用大麻法律对慢性疼痛管理治疗的影响，该研究催生了本工作；我们讨论了一个用于估计和管理由共享对照个体所致相关性的框架，并展示了考虑该相关性如何影响实质性结果。
引用
@article{arxiv.2311.18093,
title = {Shared Control Individuals in Health Policy Evaluations with Application to Medical Cannabis Laws},
author = {Nicholas J. Seewald and Emma E. McGinty and Kayla Tormohlen and Ian Schmid and Elizabeth A. Stuart},
journal= {arXiv preprint arXiv:2311.18093},
year = {2023}
}