Kosuke Imai;马克·拉特科维奇 边际结构模型逆概率权重的稳健估计。 (英语) 兹比尔1373.62158 美国统计协会。 110,No.511,1013-1023(2015). 摘要:边缘结构模型(MSM)作为一种从纵向数据进行因果推断的工具越来越受欢迎。与标准回归模型不同,MSM可以调整与时间相关的观察混杂因素,同时避免因直接调整受治疗影响的协变量而产生的偏差。尽管它们具有理论吸引力,但MSM的一个主要实际困难是需要估计逆概率权重。先前的研究发现,即使在时间段数量适中的情况下,MSM也会对治疗分配模型的错误指定高度敏感。为了解决这个问题,我们推广了[作者,Ann.Appl.Stat.7,No.1,443-470(2013;Zbl 1376.62036号)]纵向分析设置。CBPS估计了逆概率权重,从而改进了由此产生的协变量平衡。与标准方法不同,所提出的方法包含了跨多个时间段的所有协变量平衡条件。由于这些条件的数量随着时间段的增加呈指数增长,我们还提出了一种低阶近似,以减轻计算负担。我们的模拟和实证研究表明,CBPS通过使治疗分配模型对错误指定更具鲁棒性,显著提高了MSM的实证绩效。开放源代码软件可用于实现所提出的方法。 引用于12文件 MSC公司: 62G08号 非参数回归和分位数回归 62G35型 非参数稳健性 62H30型 分类和区分;聚类分析(统计方面) 62第25页 统计学在社会科学中的应用 关键词:稳健估计;边际结构模型;因果推理;协变量平衡倾向得分;反向倾向得分加权;观测研究;顺序可忽略性;时间相关处理 引文:Zbl 1376.62036号 软件:CBPS公司 PDF格式BibTeX公司 XML格式引用 \textit{K.Imai}和\textit{M.Ratkovic},J.Am.Stat.Assoc.110,编号511,1013–1023(2015;兹bl 1373.62158) 全文: DOI程序