用于流行病学因果推断的通用双重差分法
统计方法学
2023-08-21 v3
摘要
双重差分无疑是最广泛使用的、用于评估观察性（即非随机化）环境中干预因果效应的方法之一。该方法通常在可获得暴露前后结局测量值，且能合理假设未观测混杂因素与结局的关联在两暴露组中有相同绝对大小并随时间恒定（即所谓的平行趋势假设）时使用。平行趋势假设在许多实际环境中可能不可信，包括结局为二分类、计数或多项分类时，以及当未受控混杂因素对结局分布表现出非加性效应时（即使此类效应随时间恒定）。我们引入一种替代方法，以比值比等混杂假设取代平行趋势假设，在该假设下，治疗与无治疗下潜在结局之间的关联可通过一个明确设定的、关联暴露前结局与暴露的广义线性模型来识别。由于所提方法能识别任何在无混杂偏倚下可设想被识别的因果效应，包括分位数处理效应等非线性效应，该方法恰当地被称为通用双重差分（UDiD）。我们描述了完全参数化与更稳健的半参数 UDiD 估计量，并应用于一项关于寨卡病毒暴发对巴西出生率因果效应的真实世界研究中予以说明。
引用
@article{arxiv.2302.00840,
title = {Universal Difference-in-Differences for Causal Inference in Epidemiology},
author = {Eric Tchetgen Tchetgen and Chan Park and David Richardson},
journal= {arXiv preprint arXiv:2302.00840},
year = {2023}
}