充分协变量、倾向变量与双重稳健估计
统计理论
2020-04-28 v1 统计理论
摘要
观察性研究中的统计因果推断通常需要对一个可能是多维的变量进行调整，其中降维至关重要。由 Rosenbaum 和 Rubin 首次提出的倾向得分是此类降维的一种流行方法。我们在 Dawid 的决策理论框架内探讨因果推断，其中必须关注充分协变量及其性质。我们考察了正态线性模型中倾向变量的作用。我们研究了基于总体和基于样本的线性回归，分别针对多元协变量和倾向变量进行调整。此外，我们研究了增广逆概率加权估计量，该估计量结合了响应模型和倾向模型。在具有同方差性的线性回归中，已证明倾向变量提供的估计因果效应与多元调整相同。估计的倾向变量可能会（但不一定）比真实的倾向变量提供更高的精度。增广逆概率加权估计量具有双重稳健性，如果倾向模型设定正确，可以提高精度。
引用
@article{arxiv.1501.07761,
title = {Sufficient Covariate, Propensity Variable and Doubly Robust Estimation},
author = {Hui Guo and Philip Dawid and Giovanni Berzuini},
journal= {arXiv preprint arXiv:1501.07761},
year = {2020}
}