×
彭宁·德·弗里斯（Bas B.L.Penning de Vries）。；马滕·范·斯梅登；罗尔夫·H·H·格伦沃尔德。

在缺少协变量数据的情况下，使用分类树和回归树进行倾向得分估计。 （英语） Zbl 1427.62055号

流行病。方法 7，第1号，文章ID 20170020，18 p.（2018）.
摘要：数据挖掘和机器学习技术，如分类和回归树（CART），是传统逻辑回归用于倾向得分估计的一种有希望的替代方法。虽然不完整的数据排除了对所有受试者进行逻辑回归拟合的可能性，但CART之所以具有吸引力，部分是因为一些实现允许在树拟合中包含不完整的记录，并为所有受试对象提供倾向得分估计值。基于理论考虑，我们认为CART自动处理缺失数据可能并不合适。通过一系列模拟实验，我们检验了处理缺失协变量数据的不同方法的性能；（i） 将CART算法直接应用于（部分）不完整数据，（ii）完整案例分析，以及（iii）多重插补。根据暴露、标准误差、均方误差和覆盖率之间的暴露-输出效应估计偏差来评估绩效。直接对不完整数据应用CART算法会导致偏差，即使在数据完全随机丢失的情况下也是如此。总的来说，多重插补加上CART的效果最好。我们的研究表明，自动处理CART中的缺失数据会导致严重的偏差，并且作为解释缺失数据的一种方法，其效果并不优于多重插补。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62J12型 广义线性模型（逻辑模型）

关键词：

因果推断；倾向得分；缺少数据；运货马车；多重插补；分类和回归树；逻辑回归

软件：

鼻音；R（右）；调查；知识产权保护；小鼠；ElemStatLearn（电子状态学习）；CALIBER输入；起重机
PDF格式BibTeX公司 XML格式引用
\textit{B.B.L.Penning de Vries}等人，《流行病学》。方法7，编号1，文章ID 20170020，18 p.（2018；Zbl 1427.62055）
全文： 内政部 arXiv公司

参考文献：

[1] Albert，A.和Anderson J.（1984年）。关于logistic回归模型中极大似然估计的存在性。生物特征，71:1-10。；阿尔伯特。；Anderson，J.，关于logistic回归模型中最大似然估计的存在性，Biometrika，71，1-10（1984）·Zbl 0543.62020号
[2] Ali，M.、Groenwold，R.、Belitser，S.、Pestman，W.、Hoes，A.、Roes，K.、de Boer，A.和Klungel，O.（2015）。倾向得分分析中协变量选择和平衡评估的报告不太理想：一项系统综述。临床流行病学杂志，68:122-131。；阿里，M。；Groenwold，R。；Belitser，S。；佩斯曼，W。；Hoes，A.公司。；罗伊斯，K。；de Boer，A。；Klungel，O.，《倾向得分分析中协变量选择和平衡评估的报告不太理想：系统综述》，《临床流行病学杂志》，68，122-131（2015）
[3] Austin，P.（2011年a）。介绍在观察性研究中减少混淆影响的倾向评分方法。多元行为研究，46:399-424。；Austin，P.，《减少观察研究中混杂影响的倾向评分方法介绍》，《多元行为研究》，46，399-424（2011）
[4] Austin，P.（2011年b）。在观测研究中估计平均值差异和比例差异时，倾向-核心匹配的最佳井径宽度。药物统计，10:150-161。；Austin，P.，《在观察性研究中估计平均值差异和比例差异时，倾向-核心匹配的最佳卡尺宽度》，《药物统计》，第10期，第150-161页（2011年）
[5] Austin，P.和Stuart，E.（2015）。在观察性研究中，当使用治疗权重的逆概率（IPTW），使用倾向得分来估计因果治疗效应时，应转向最佳实践。医学统计学，34:3661-3679。；奥斯汀，P。；Stuart，E.，《在观察性研究中使用反向治疗加权概率（IPTW）评估因果治疗效应时走向最佳实践》，《医学统计学》，34，3661-3679（2015）
[6] Belitser，S.、Martens，E.、Pestman，W.、Groenwold，R.、Boer，A.和Klungel，O.（2011年）。倾向评分法中的衡量平衡和模型选择。药物流行病学与药物安全，20:1115-1129。；Belitser，S。；Martens，E。；佩斯曼，W。；Groenwold，R。；布尔，A。；Klungel，O.，倾向评分法中的测量平衡和模型选择，药物流行病学和药物安全，2011115-1129（2011）
[7] Breiman，L.（1996）。装袋预测器。机器学习，24:123-140。；Breiman，L.，打包预测，机器学习，24123-140（1996）·Zbl 0858.68080号
[8] Breiman，L.（2001）。随机森林。机器学习，45:5-32。；Breiman，L.，《随机森林》，机器学习，45，5-32（2001）·Zbl 1007.68152号
[9] Burgette，L.和Reiter，J.（2010年）。通过序列回归树对缺失数据进行多重插补。美国流行病学杂志，172:1070-1076。；汉堡，L。；Reiter，J.，通过序列回归树对缺失数据进行多重插补，美国流行病学杂志，1721070-1076（2010）·Zbl 1328.62021号
[10] Cham，H.和West，S.（2016年）。缺失数据的倾向性得分分析。心理学方法，21:427-445。；查姆·H。；West，S.，缺失数据的倾向性得分分析，心理学方法，21427-445（2016）
[11] Cole，S.和Frangakis，C.（2009年）。因果推理中的一致性陈述：定义还是假设？流行病学，20:3-5。；科尔，S。；Frangakis，C.，因果推理中的一致性陈述，定义还是假设？流行病学，20，3-5（2009）
[12] D'Agostino Jr.，R.和Rubin，D.（2000）。估计并使用部分缺失数据的倾向得分。美国统计协会杂志，95:749-759。；小达戈斯蒂诺（D'Agostino，Jr.，R.）。；Rubin，D.，《估计和使用部分缺失数据的倾向得分》，《美国统计协会杂志》，95，749-759（2000）
[13] Doove，L.、van Buuren，S.和Dusseldorp，E.（2014）。存在交互效应时缺失数据插补的递归分区。计算统计与数据分析，72:92-104。；杜夫，L。；van Buuren，S。；杜塞尔多普，E.，《存在交互效应时缺失数据插补的递归分区》，计算统计与数据分析，72，92-104（2014）·Zbl 1506.62056号
[14] Drake，C.（1993）。倾向得分的指定错误对治疗效果估计数的影响。生物统计学，49:1231-1236。；Drake，C.，倾向评分的错误指定对治疗效果评估的影响，生物统计学，491231-1236（1993）
[15] Elith，J.、Leathwick，J.和Hastie，T.（2008）。增强回归树的工作指南。动物生态学杂志，77:802-813。；Elith，J。；Leathwick，J。；Hastie，T.，《增强回归树的工作指南》，《动物生态学杂志》，77，802-813（2008）
[16] Franklin，J.、Rassen，J.，Ackermann，D.、Bartels，D.和Schneeweiss，S.（2014）。因果效应队列研究中协变量平衡的指标。医学统计学，33:1685-1699。；富兰克林，J。；Rassen，J。；Ackermann，D。；巴特尔斯，D。；Schneeweiss，S.，因果效应队列研究中协变量平衡的度量，医学统计学，331685-1699（2014）
[17] Groenwold，R.、Nelson，D.、Nichol，K.、Hoes，A.和Hak，E.（2009年）。敏感性分析，以评估因果研究中未测量混杂的潜在影响。国际流行病学杂志，39:107-117。；格罗恩沃尔德，R。；Nelson博士。；尼科尔，K。；Hoes，A。；Hak，E.，估计因果研究中未测量混杂因素潜在影响的敏感性分析，国际流行病学杂志，39，107-117（2009）
[18] Groenwold，R.H.、White，I.R、Donders，A.R.T.、Carpenter，J.R、Altman，D.G和Moons K.G.（2012）。临床研究中缺失协变量数据：何时以及何时不使用缺失诱导法进行分析。加拿大医学会杂志，184:1265-1269。；Groenwold，R.H。；怀特，I.R。；Donders，A.R.T。；Carpenter，J.R。；奥特曼·D·G。；Moons，K.G.，《临床研究中缺失协变量数据：何时以及何时不使用缺失诱导法进行分析》，加拿大医学协会期刊，1841265-1269（2012）
[19] Hastie，T.、Tibshirani，R.和Friedman，J.（2009）。统计学习的要素：数据挖掘、推理和预测。第2版。纽约：施普林格。；哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2009）·Zbl 1273.62005年
[20] Hernán，M.和Robins，J.（2017年）。精细点4.3：比值比的崩溃性。在：因果推理，M.Hernán和J.Robins（编辑）。博卡拉顿：查普曼和霍尔/CRC，即将推出。；埃尔南，M。；Robins，J.，Fine point 4.3：优势比的崩溃性（2017）
[21] Holland，P.（1986）。因果推理中的统计学。美国统计协会杂志，81:945-960。；Holland，P.，《因果推断中的统计学》，《美国统计协会杂志》，81945-960（1986）·Zbl 0607.62001
[22] Holland，P.（1988）。因果推理、路径分析和递归结构方程模型。社会学方法论，18:449-484。；Holland，P.，因果推理、路径分析和递归结构方程模型，社会学方法论，18449-484（1988）
[23] Lee，B.、Lessler，J.和Stuart，E.（2010年）。使用机器学习改进倾向得分权重。医学统计学，29:337-346。；Lee，B。；Lessler，J。；Stuart，E.，《使用机器学习改进倾向得分权重》，《医学统计学》，29，337-346（2010）
[24] Lesko，C.、Buchanan，A.、Westreich，D.、Edwards，J.、Hudgens，M.和Cole，S.（2017）。概括研究结果：潜在结果视角。流行病学，28:553-561。；莱斯科，C。；布坎南，A。；Westreich博士。；J.爱德华兹。；哈金斯，M。；Cole，S.，《概括研究结果：潜在结果视角》，流行病学，28553-561（2017）
[25] Leyrat，C.、Seaman，S.R、White，I.R、Douglas，I.、Smeeth，L.、Kim，J.、Resche-Rigon，M.、Carpenter，J.R和Williamson，E.J.（2017）。使用部分观察到的协变量进行倾向得分分析：应如何使用多重插补？医学研究中的统计方法，0962280217713032。；Leyrat，C。；希曼，S.R。；怀特，I.R。；道格拉斯，I。；Smeeth，L。；Kim，J。；Resche-Rigon，M。；Carpenter，J.R。；Williamson，E.J.，使用部分观察到的协变量进行倾向得分分析：应如何使用多重插补？医学研究中的统计方法（2017）
[26] Lumley，T.（2014）。调查：复杂调查样本分析（R包，3.31版）。奥地利维也纳综合R档案网。；Lumley，T.，《调查：复杂调查样本分析》（R包，3.31版）。奥地利维也纳综合R档案网络（2014年）
[27] McCaffrey，D.、Ridgeway，G.和Morral，A.（2004）。使用增强回归评估青少年药物滥用治疗的倾向性得分。心理学方法，9:403-425。；McCaffrey，D。；里奇韦，G。；Morral，A.，评估青少年药物滥用治疗的倾向性得分估计和增强回归，《心理学方法》，第9期，第403-425页（2004年）
[28] 孟晓乐（1994）。输入来源不一致的多重插补推断。统计科学，538-558。；孟晓乐，统计科学，538-558（1994）
[29] Moisen，G.（2008）。分类和回归树。收录：《生态学百科全书》第1卷，S.Jorgensen和B.Fath（编辑）。牛津：爱思唯尔。；莫森，G。；Jorgensen，S。；Fath，B.，分类和回归树（2008）
[30] Moons，K.G.、Donders，R.A、Stijnen，T.和Harrell Jr F.E.（2006年）。首选使用结果插补缺失的预测值。《临床流行病学杂志》，59:1092-1011。；月亮，K.G。；唐德斯，R.A。；Stijnen，T。；Harrell，Jr F.E.，《使用结果插补缺失预测值》，《临床流行病学杂志》，59，1092-1101（2006）
[31] Neyman，J.、Iwaszkiewicz，K.和St.Kolodziejczyk（1935年）。农业试验中的统计问题。《皇家统计学会杂志补编》，2:107-180。；内曼，J。；Iwaszkiewicz，K。；Kolodziejczyk，St.，农业试验中的统计问题，2107-180（1935）·JFM 63.1103.02标准
[32] Pearl，J.（2009），《因果关系：模型、推理和推断》。纽约：剑桥大学出版社。；Pearl，J.，《因果关系：模型、推理和推断》（2009）·Zbl 1188.68291号
[33] Penning de Vries，B.和Groenwold，R.（2016）。关于多重插补后倾向得分匹配的评论。医学研究中的统计方法，25:3066-3068。；Penning de Vries，B。；Groenwold，R.，《关于多重插补后倾向得分匹配的评论》，25，3066-3068（2016）
[34] Peters，A.和Hothorn，T.（2017年）。ipred：改进的预测器（R包，版本0.9-6），综合R档案网，奥地利维也纳。；彼得斯，A。；Hothorn，T.，ipred:Improved Predictors（R包，版本0.9-6）（2017年）
[35] R核心团队。(2016). R： 用于统计计算的语言和环境。奥地利维也纳R统计计算基金会。；R： 统计计算语言和环境（2016）
[36] Rai，D.、Lee，B.、Dalman，C.、Newschaffer，C.、Lewis，G.和Magnusson，C.（2017）。妊娠期抗抑郁药与后代孤独症：基于人群的队列研究。英国医学杂志，385:j2811。；Rai，D。；Lee，B。；达尔曼，C。；Newschaffer，C。；Lewis，G。；Magnusson，C.，《妊娠期抗抑郁药与后代孤独症：基于人群的队列研究》，BMJ，385，j2811（2017）
[37] Ridgeway，G.（1999）。增压状态。计算科学与统计，31:172-181。；里奇韦，G.，《增长的状态》，《计算科学与统计》，31172-181（1999）·Zbl 1072.62560号
[38] Ridgeway，G.、McCaffrey，D.、Morral，A.、Griffin，B.和Burgette，L.（2017）。twang：非等价群的加权和分析工具包（R包，1.5版）。综合R档案网络，奥地利维也纳。；里奇韦，G。；McCaffrey，D。；Morral，A。；格里芬，B。；Burgette，L.，twang:非等效组加权和分析工具包（R包，版本1.5）（2017年）
[39] Rosenbaum，P.和Rubin，D.（1983年）。倾向评分在因果效应观察性研究中的中心作用。生物特征，70:41-55。；罗森鲍姆，P。；Rubin，D.，《倾向评分在因果效应观察性研究中的中心作用》，《生物统计学》，70，41-55（1983）·Zbl 0522.62091号
[40] Rubin，D.（1974）。在随机和非随机研究中估计治疗的因果效应。《教育心理学杂志》，66:688-701。；Rubin，D.，在随机和非随机研究中估计治疗的因果效应，《教育心理学杂志》，66688-701（1974）
[41] Rubin，D.（1976年）。推断和缺失数据。生物特征，63:581-592。；Rubin，D.，《推断和缺失数据》，《生物统计学》，63，581-592（1976）·Zbl 0344.62034号
[42] Rubin，D.（1987）。调查中无应答的多重插补。纽约：Wiley。；Rubin，D.，《调查中无应答的多重插补》（1987年）·2007年6月10日
[43] Rubin，D.B.等人（2008年）。对于客观的因果推断，设计胜过分析。应用统计学年鉴，2:808-840。；Rubin，D.B.，《关于客观因果推断、设计胜于分析》，《应用统计学年鉴》，2808-840（2008）·Zbl 1149.62089号
[44] Schafer，J.（1997）。不完全多元数据分析。博卡拉顿：CRC出版社。；Schafer，J.，不完全多元数据分析（1997）·Zbl 0997.62510号
[45] Setoguchi，S.、Schneeweiss，S.，MA，M.B、Glynn，R.和Cook，E.（2008）。评估数据挖掘技术在倾向得分估计中的应用：一项模拟研究。药物流行病学与药物安全，17:546-555。；Setoguchi，S。；Schneeweiss，S。；文学硕士。；Glynn，R.等人。；Cook，E.，评估数据挖掘技术在倾向得分估计中的应用：一项模拟研究。药物流行病学和药物安全，17546-55（2008）
[46] Shah，A.（2014）。CALIBER插补：使用随机森林（R包，版本0.1-2）在MICE中插补。奥地利维也纳综合R档案网。；Shah，A.，CALIBER插补：使用随机森林对MICE进行插补（R包，版本0.1-2）（2014年）
[47] Shah，A.、Bartlett，J.、Carpenter，J.，Nicholas，O.和Hemingway，H.（2014）。使用小鼠插补缺失数据的随机森林和参数插补模型的比较：一项口径研究。美国流行病学杂志，179:764-774。；沙阿（Shah，A.）。；Bartlett，J。；Carpenter，J。；O.尼古拉斯。；海明威，H.，《使用小鼠插补缺失数据的随机森林和参数插补模型的比较：一项口径研究》，《美国流行病学杂志》，179764-774（2014）
[48] Stürmer，T.、Joshi，M.、Glynn，R.、Avorn，J.、Rothman，K.和Schneeweiss，S.（2006）。对倾向评分法的应用进行了回顾，得出了越来越多的应用，在特定环境中具有优势，但与传统多变量方法相比，估计值没有实质性差异。临床流行病学杂志，59:437-e1。；Stürmer，T。；乔希，M。；Glynn，R。；Avorn，J。；Rothman，K。；Schneeweiss，S.，《倾向评分法的应用综述》，《临床流行病学杂志》，59:437-e1（2006）
[49] Tchetgen，E.T.和VanderWeele，T.（2012）。关于存在干扰的因果推理。医学研究中的统计方法，21:55-75。；Tchetgen，E.T。；VanderWeele，T.，《关于干扰下的因果推断》，《医学研究中的统计方法》，第21期，第55-75页（2012年）·Zbl 1219.62175号
[50] Therneau，T.和Atkinson，E.（2017年）。介绍使用RPART例程的递归分区。罗切斯特：梅奥基金会。；塞尔诺，T。；Atkinson，E.，《使用RPART例程的递归分区介绍》（2017）
[51] Van Buuren，S.（2012年）。缺失数据的灵活插补。博卡拉顿：CRC出版社。；Van Buuren，S.，缺失数据的灵活插补（2012年）·Zbl 1256.62005年
[52] Van Buuren，S.和Groothuis-Oudshoorn，K.（2011年）。《小鼠：用链式方程进行多元插补》，R.统计软件杂志，45:1-67。；Van Buuren，S。；Groothuis Oudshoorn，K.，《小鼠：R中链式方程的多变量插补》，《统计软件杂志》，45，1-67（2011）·Zbl 1144.62332号
[53] Westreich，D.（2012年）。Berkson的偏倚、选择偏倚和数据缺失。流行病学，23:159-164。；Westreich，D.，Berkson的偏见、选择偏见和缺失数据，《流行病学》，23，159-164（2012）
[54] Westreich，D.、Lessler，J.和Jonsson Funk M.（2010年）。倾向性得分估计：神经网络、支持向量机、决策树（cart）和元分类器作为逻辑回归的替代方法。临床流行病学杂志，63:826-833。；韦斯特里奇，D。；Lessler，J。；Jonsson Funk，M.，《倾向性得分估计：神经网络、支持向量机、决策树（cart）和元分类器作为逻辑回归的替代方法》，《临床流行病学杂志》，63826-833（2010）
[55] Wyss，R.、Ellis，A.、Brookhart，M.、Girman，C.、Jonsson Funk，M.，LoCasale，R.和Stürmer，T.（2014）。预测模型在倾向得分估计中的作用：对logistic回归、bcart和协变量平衡倾向得分的评估。美国流行病学杂志，180:645-655。；怀斯，R。；埃利斯，A。；布鲁克哈特，M。；Girman，C。；Jonsson Funk，M。；罗卡萨利。；Stürmer，T.，《预测模型在倾向得分估计中的作用：logistic回归、bcart和协变量平衡倾向得分的评估》，《美国流行病学杂志》，180645-655（2014）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。