摘要
在随机和观察性研究中,人们对估计因果效应的异质性越来越感兴趣。然而,在工具变量研究中,很少有人对影响异质性进行研究。在这项工作中,我们提出了一种使用工具变量与匹配来估计异质因果效应的方法。该方法分为两部分。第一部分使用主题知识和可解释的机器学习技术,如分类树和回归树,来发现潜在的效果修饰语。第二部分在严格控制家庭错误率的同时,使用封闭测试来测试每个效应修饰语的统计显著性。我们将此方法应用于俄勒冈州健康保险实验,通过使用随机抽奖作为工具,估计医疗补助对个人健康不妨碍其日常活动的天数的影响。我们的方法显示,Medicaid的效果在讲英语的老年非亚洲男性和最多有高中文凭或普通教育发展的年轻讲英语的个人中最具影响力。
资金筹措表
第一位作者得到了NIH实习生Grant T32 LM012413的支持。第三位作者得到了NSF拨款DMS-18111414的部分支持。
致谢
我们感谢副主编和两位匿名推荐人的宝贵意见。
引用
下载引文
迈克尔·约翰逊。
曹炯义。
康贤胜。
“用工具变量检测异质性治疗效果并应用于俄勒冈州健康保险实验。”
附录申请。斯达。
16
(2)
1111 - 1129,
2022年6月。
https://doi.org/10.1214/21-AOAS1535
问询处
收到日期:2020年3月1日;修订日期:2021年8月1日;发布日期:2022年6月
欧几里得项目首次提供:2022年6月13日
数字对象标识符:10.1214/21-AOAS1535
关键词:因果推理,编译平均因果关系,非均匀处理,工具变量,机器学习,匹配,俄勒冈州健康保险实验
版权所有©2022数学统计研究所