减少治疗权重逆概率(IPTW)的偏差-医疗保健经济学家

当使用观察数据时，分配到治疗组不是随机的，因果推断可能是困难的。解决这个问题的一个常见方法是倾向得分加权，其中倾向得分是一个人由于其可观察到的特征而被分配到治疗组的概率。这种倾向通常使用个体特征的逻辑回归对个体是否接受治疗的二元变量进行估计。倾向评分通常通过应用治疗权重的逆概率估计(IPTW)来获得针对已知混杂因素进行调整的治疗效果。

Xu等人(2010)的一篇论文表明，使用IPTW方法可能会导致对样本量的虚假高估和I型错误的可能性增加(即，当零假设实际上为真时拒绝零假设)。作者声称，强大的方差估计器可以解决这个问题，但只适用于大样本。相反，Xu及其合著者建议在IPTW中使用标准化权重作为一种简单且易于实施的策略。下面是它的工作原理。

IPTW方法只是在应用IPTW加权后检查治疗组和未治疗组之间的差异。让某人接受治疗的频率为:

其中n1是被处理的人数，n是总样本量。如果数据中的人被处理为z=0，则保留z=1。假设每个人都有一个病人特征向量，影响接受治疗的可能性。然后计算治愈的概率如下:

根据国际间tw标准，使用的权重为:

Xu和他的同事们创建了模拟，表明第1型误差非常高——通常为15%到40%。为了纠正这一点，标准化权重(SW)可以如下所示使用:

前者用于处理人群(例如，z=1)，后者用于未处理人群(z=0)。作者表明，在标准化权重下，I型错误率约为预期的5%。事实上，作者还表明，标准加权往往优于方差稳健估计以及主效应估计。

要了解更多信息，你可以在这里阅读全文。