加性风险模型下的两阶段残差纳入——一种工具变量方法及其在SEER-Medicare关联数据中的应用
应用统计
2018-07-20 v2 统计理论
统计理论
摘要
工具变量是解决观察性研究中未测量混杂的重要工具。两阶段预测替代（2SPS）估计量与两阶段残差纳入（2SRI）是应用工具变量的两种常用方法。近期，在存在竞争风险的时间事件数据中，加性风险模型下的2SPS得到了研究，其中假设处理与工具变量间呈线性关系。当我们具有二值处理时，该假设可能并不最恰当。本文中，我们考虑一般生存数据及存在竞争风险时加性风险模型下的2SRI估计量，其允许处理与工具变量间关系采用广义线性模型。我们推导了渐近性质，包括2SRI估计量的闭式渐近方差估计。我们进行了有限样本下的数值研究，并将方法应用于关联的监测、流行病学与最终结果（SEER）-Medicare数据库，比较早期前列腺癌患者中根治性前列腺切除术与保守治疗。
引用
@article{arxiv.1805.07849,
title = {Two-Stage Residual Inclusion under the Additive Hazards Model - An Instrumental Variable Approach with Application to SEER-Medicare Linked Data},
author = {Andrew Ying and Ronghui Xu and James Murphy},
journal= {arXiv preprint arXiv:1805.07849},
year = {2018}
}