利用协变量平衡程序进行因果效应的广义贝叶斯推断

《Biometrical Journal》：Generalized Bayesian Inference for Causal Effects Using the Covariate Balancing Procedure

倾向得分模型误指定会导致逆概率加权估计器偏差，本研究提出基于贝叶斯框架的概率参数决策方法，无需考虑参数不确定性，保持常规因果推断假设水平，在模拟和真实白厅数据中验证其稳健性和优越性。

　　

摘要

在观察性研究中，倾向得分在估计感兴趣的因果效应方面起着核心作用。逆概率加权（IPW）估计量常被用于此目的。然而，如果倾向得分模型设定不当，IPW估计量可能会产生有偏的因果效应估计结果。先前的研究提出了一些稳健的倾向得分估计方法。但这些方法需要考虑那些对抽样和处理分配的不确定性起主导作用的参数。本研究提出了一种新的贝叶斯估计方法，该方法需要以概率方式来确定参数，而不是确定性方式。由于IPW估计量和倾向得分估计量都可以作为某些损失函数的解来获得，因此可以应用一般的贝叶斯范式（无需考虑完整的似然函数）。因此，我们提出的方法仅需要与普通因果推断情境相同的假设水平。在模拟实验中，所提出的贝叶斯方法与一些先前方法相比表现出相同或更优的结果，并且也应用于实际数据，即Whitehall数据集。

利益冲突

作者声明没有利益冲突。