面向多元纵向数据因果推断的张量补全:对COVID-19管控措施的重新评估
统计方法学
2023-11-21 v2 应用统计
统计计算
摘要
我们提出一种新方法,利用张量补全来估计多元纵向数据下的因果效应,即每个单元和时期都观测到多个结果的数据。我们的动机是估计政府管控措施(如旅行限制、戴口罩指令和疫苗接种要求)所预防的COVID-19死亡人数。除COVID-19死亡外,我们还观测到相关疾病与伤害的死亡数等相关结果。所提方法将数据排列为具有三个维度(单元、时间、结果)的张量,并利用张量补全来填补缺失的反事实结果。我们首先证明,在一般条件下,使用所提方法结合多个结果可提高反事实填补的准确性。然后将所提方法与其他常用于评估COVID-19管控措施的方法比较。我们的主要发现是,其他方法高估了戴口罩指令的效应,且戴口罩指令并非旅行限制的有效替代。我们得出结论,虽然只要存在多元纵向数据即可应用所提方法,但我们认为随着政府日益依赖纵向数据在公共卫生紧急事件等情境中于各项政策(如管控措施)间做选择,该方法尤为及时。
引用
@article{arxiv.2203.04689,
title = {Tensor Completion for Causal Inference with Multivariate Longitudinal Data: A Reevaluation of COVID-19 Mandates},
author = {Jonathan Auerbach and Martin Slawski and Shixue Zhang},
journal= {arXiv preprint arXiv:2203.04689},
year = {2023}
}