Eğilim skoru ağırlığından ortalama tedavi etkisi için güven aralığı?


9

Eğilim skoru ağırlıklandırmasını (özellikle IPTW) kullanarak gözlemsel verilerden ortalama tedavi etkisini tahmin etmeye çalışıyorum. Bence ATE'yi doğru şekilde hesaplıyorum, ama ters eğilim puan ağırlıklarını dikkate alarak ATE'nin güven aralığını nasıl hesaplayacağımı bilmiyorum.

Ortalama tedavi etkisini hesaplamak için kullandığım denklem (referans Stat Med. 10 Eyl 2010; 29 (20): 2137-2148.):

birTE=1N-Σ1N-ZbenYbenpben-1N-Σ1N-(1-Zben)Yben1-pben
Nerede N-=toplam denek sayısı, Zben=tedavi durumu, Yben=sonuç durumu ve pben= eğilim puanı.

Ağırlıkları dikkate alarak ortalama tedavi etkisinin güven aralığını hesaplayacak bir R paketi bilen var mı? Olabilir surveyburada paket yardım? Bunun işe yarayıp yaramayacağını merak ediyordum:

library(survey)
sampsvy=svydesign(id=~1,weights=~iptw,data=df)
svyby(~surgery=='lump',~treatment,design=sampsvy,svyciprop,vartype='ci',method='beta')

#which produces this result:
  treatment surgery == "lump"      ci_l      ci_u
   No         0.1644043 0.1480568 0.1817876
   Yes         0.2433215 0.2262039 0.2610724

Oranlar arasındaki farkın güven aralığını bulmak için buradan nereye gideceğimi bilmiyorum (yani ortalama tedavi etkisi).


Özellikle cevap veremem, ancak anket paketinin yazarı tarafından "Karmaşık Araştırmalar: R Kullanarak Analiz Kılavuzu" kitabı IPTW'yi kapsıyor ve yardımcı olabilir. books.google.com/…
kaz_yos

Yanıtlar:


11

surveyPakete veya karmaşık bir şeye ihtiyacınız yok . Wooldridge (2010, s. 920 ve sonrası) "Kesit ve Panel Verilerinin Ekonometrik Analizi" güven aralıklarını oluşturmak için standart hataları elde edebileceğiniz basit bir prosedüre sahiptir.

Var olduğumuz eğilim skorunu doğru olarak belirttiğiniz varsayımı altında p(xben,γ), eğilim skoru tahmininden (yani ilk logit veya probit regresyonunuz) skoru şu şekilde tanımlayın:

dben=γp(xben,γ)'[Zben-p(xben,γ)]p(xben,γ)[1-p(xben,γ)]
ve bırak
YEMEK YEDİben=[Zben-p(xben,γ)]Ybenp(xben,γ)[1-p(xben,γ)]
yukarıdaki ifadenizde olduğu gibi. Sonra bu iki ifadenin örnek analoglarını alın ve gerilemeYEMEK YEDİ^ben üzerinde d^ben. Bu regresyona bir kesme noktası eklediğinizden emin olun. İzin Vermekeben o regresyondan arta kalanlar, daha sonra asimptotik varyans N-(YEMEK YEDİ^-YEMEK YEDİ) basitçe var(eben). Yani ATE'nizin asimptotik standart hatası
[1N-Σben=1N-eben2]12N-

Daha sonra (cevap örneğin yorumları görmek her zamanki gibi güven aralığını hesaplayabilirsiniz burada bir kod örneğin). Ters eğilim skor ağırlıkları için güven aralığını tekrar ayarlamanız gerekmez, çünkü bu adım standart hataların hesaplanmasına zaten dahil edilmiştir.

Ne yazık ki ben bir R adam değilim, bu yüzden size belirli bir kod sağlayamıyoruz ama yukarıda belirtilen prosedürü takip etmek için düz olmalıdır. Bir yan not olarak, treatrewStata'daki komutun çalışma şekli de budur. Bu komut Cerulli (2014) tarafından Stata Journal'da yazıldı ve tanıtıldı . Makaleye erişiminiz yoksa , ters eğilim skoru ağırlıklandırmasından standart hataları hesaplama prosedürünü de içeren slaytlarını kontrol edebilirsiniz . Orada da logit veya probit yoluyla eğilim puanını tahmin etmek arasındaki bazı kavramsal farklılıkları tartışıyor, ancak bu cevap için bu çok önemli değildi, bu yüzden bu kısmı atladım.

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.