傾向スコアの重み付けにおける治療の重みの逆確率（IPTW）の直感的な説明？

10

傾向スコアを使用して重みを計算するメカニズムを理解しています： $p(x_i)$ そして、回帰分析で重みを適用し、重みは、治療および対照群集団における共変量の効果を結果変数と「制御」または分離する働きをします。

\begin{aligned} w_{i, j = t r e a t} & = \frac{1}{p (x_{i})} \\ w_{i, j = c o n t r o l} & = \frac{1}{1 - p (x_{i})} \end{aligned}

$\begin{align} w_{i, j={\rm treat}} &= \frac{1}{p(x_i)} \\[5pt] w_{i, j={\rm control}} &= \frac{1}{1-p(x_i)} \end{align}$

しかし、腸レベルでは、重みがこれをどのように達成するのか、そしてなぜ方程式がそのままの形で構築されるのか理解できません。

intuition weighted-regression propensity-scores

— RobertF
ソース

回答:

8

傾向スコア計算は、対象の確率での情報所与の治療受信する。IPTW手順が作成しようとする反事実に基づきます $p(x_i)$ $i$ $X$ $\text{w}_{i,j=\text{treat}} = \frac{1}{p(x_i)}$ $\text{w}_{i,j=\text{control}} = \frac{1}{1-p(x_i)}$

あなたは、私は強くあなたがスチュアート（2010）読むことをお勧め彼らに遭遇していない場合：因果推論のためのマッチング方法：AレビューとルックフォワードおよびThoemmesとキム（2011）：傾向の系統的レビューは、社会科学のメソッドをスコア。どちらも上手く書かれていて、問題に関する優れたエントリーペーパーとして役立ちます。また、キングによるマッチングに傾向スコアを使用してはならない理由について、この2015年の優れた講義を確認してください。彼らは私が主題について私の直感を構築するのを本当に助けました。

— usεr11852
ソース

ありがとう、素晴らしい答え！もちろん、重みの公式の背後にある推論は後から明らかです。私は2015年のKingの記事を見てきました。非常に有益ですが、トリミングなしの傾向スコアマッチングで優れたバランスを実現する場合、傾向スコアを使用しないのはなぜですか？

— RobertF

1

お役に立ててうれしいです。King（2015）について：PSMを通じて優れたバランスを達成する場合、PSMを使用する必要があります。問題は、PSMは、一般的にないということであるではない、我々はそれがそうするように設計されていなかったので、完全にランダム化実験計画を阻止したであろうような優れたバランスを実現します。

— usεr11852

ブリリアント返信、@usεr11852

— Nicg

ありがとうございました。いいですね。

— usεr11852

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。

Licensed under cc by-sa 3.0 with attribution required.