利用贝叶斯加性回归树估计观察性研究中多种处理的因果效应
统计方法学
2020-03-02 v2
摘要
目前当结果为二分类时，估计多种处理因果效应的适当方法十分匮乏。针对此类情形，我们提出使用非参数贝叶斯建模方法——贝叶斯加性回归树（Bayesian Additive Regression Trees, BART）。我们进行了广泛的模拟研究，将 BART 与几种现有的基于倾向得分的方法进行比较，并识别其在估计处理组平均处理效应时的运行特性。BART 始终表现出较低的偏差与均方误差。我们通过一项基于最新 SEER-Medicare 关联数据库的大型数据集的比较效果分析来展示 BART 的应用，该数据集涉及接受机器人辅助手术、视频辅助胸外科手术或开胸手术的患者。
引用
@article{arxiv.1901.04312,
title = {The Estimation of Causal Effects of Multiple Treatments in Observational Studies Using Bayesian Additive Regression Trees},
author = {Chenyang Gu and Michael J. Lopez and Liangyuan Hu},
journal= {arXiv preprint arXiv:1901.04312},
year = {2020}
}
备注
This article has been replaced by "Estimation of Causal Effects of Multiple Treatments in Observational Studies with a Binary Outcome" (arXiv:2001.06483 [stat.ME])