工具变量双重差分的结构均值模型
统计方法学
2022-09-22 v1
摘要
在标准双重差分研究设计中，当暴露趋势与结局趋势之间的关系受未测量混杂因素混杂时，平行趋势假设可能被违背。若存在一个外生变量满足：(i) 除通过影响暴露均值的改变（即暴露趋势）外不直接影响结局均值的改变（即结局趋势），且 (ii) 在趋势尺度上与未测量的暴露—结局混杂因素无关，则可取得进展。此类外生变量称为双重差分工具变量。对于适合线性建模的连续结局，已有提出的所谓工具变量双重差分方法。本文中，我们将提出新颖的乘法结构均值模型用于工具变量双重差分，其允许在可获得有效双重差分工具变量时，识别并估计全体人群或暴露组中计数与罕见二值结局上的平均处理效应。我们讨论了这些模型的可识别性，进而开发了高效的半参数估计方法，允许使用灵活的、数据自适应或机器学习方法来估计 nuisance 参数。我们将所提方法应用于医疗数据，以探究在降糖药物新使用者中，磺脲类治疗相比二甲双胍治疗所致中重度体重增加的风险。
引用
@article{arxiv.2209.10339,
title = {Structural mean models for instrumented difference-in-differences},
author = {Tat-Thang Vo and Ting Ye and Ashkan Ertefaie and Samrat Roy and James Flory and Sean Hennessy and Stijn Vansteelandt and Dylan S. Small},
journal= {arXiv preprint arXiv:2209.10339},
year = {2022}
}