คำอธิบายที่ใช้งานง่ายสำหรับความน่าจะเป็นค่าผกผันของน้ำหนักการรักษา (IPTWs) ในการให้คะแนนความชอบ?


10

ฉันเข้าใจกลไกของการคำนวณน้ำหนักโดยใช้คะแนนความชอบ : แล้วนำน้ำหนักไปใช้ในการวิเคราะห์การถดถอยและให้น้ำหนักกับ "การควบคุมสำหรับ" หรือยกเลิกการเชื่อมโยงผลกระทบของโควาเรียตในประชากรกลุ่มการรักษาและกลุ่มควบคุมด้วยตัวแปรผลลัพธ์พี(xผม)

Wผม,J=เสื้อRอีaเสื้อ=1พี(xผม)Wผม,J=โอnเสื้อRโอล.=11-พี(xผม)

อย่างไรก็ตามในระดับลำไส้ฉันไม่เข้าใจว่าน้ำหนักบรรลุเป้าหมายนี้อย่างไรและทำไมจึงสร้างสมการดังกล่าว

คำตอบ:


8

คะแนนนิสัยชอบ คำนวณความน่าจะเป็นเรื่องของที่จะได้รับการรักษาที่ได้รับข้อมูลในการXขั้นตอน IPTWพยายามที่จะทำให้เคาน์เตอร์ข้อเท็จจริงอนุมานโดดเด่นมากขึ้นโดยใช้คะแนนนิสัยชอบ การมีความน่าจะเป็นสูงที่จะได้รับการรักษาและคาดว่าจะได้รับการรักษานั้นจริงไม่มีข้อมูลเกี่ยวกับการต่อต้าน การมีความน่าจะเป็นต่ำที่จะได้รับการรักษาและการได้รับการรักษานั้นเป็นเรื่องแปลก กล่าวคือ ลักษณะส่วนใหญ่เกี่ยวข้องกับวิชาควบคุม ดังนั้นน้ำหนักสำหรับเรื่องการรักษาคือพี(xผม)ผมXWผม,J=รักษา=1พี(xผม)เพิ่มน้ำหนักให้กับวิชารักษาที่ไม่น่าเป็นไปได้ / มีข้อมูลมาก ตามแนวคิดเดียวกันหากผู้ควบคุมมีความน่าจะเป็นสูงที่จะได้รับการรักษามันเป็นตัวบ่งชี้ที่ให้ข้อมูลว่าผู้เข้าร่วมการวิจัยจะปฏิบัติตนอย่างไรหากอยู่ในกลุ่มควบคุม ในกรณีนี้การให้น้ำหนักสำหรับวัตถุควบคุมคือเพิ่มน้ำหนักให้กับการควบคุมที่ไม่น่าเป็นไปได้ / มีข้อมูลมาก อาสาสมัคร อันที่จริงสมการในตัวอย่างแรกอาจปรากฏขึ้นโดยพลการบ้าง แต่ฉันคิดว่าพวกเขาสามารถอธิบายได้ง่ายภายใต้เหตุผลตอบโต้ข้อเท็จจริง ท้ายที่สุดการจับคู่ / PSM / น้ำหนักเป็นประจำพยายามที่จะร่างกรอบการทดลองเสมือนในข้อมูลเชิงสังเกตการณ์ของเรา อุดมคติใหม่Wผม,J=ควบคุม=11-พี(xผม) การทดลอง

ในกรณีที่คุณยังไม่ได้เจอพวกเขาผมขอแนะนำให้คุณอ่านจวร์ต (2010): การจับคู่วิธีการสำหรับสาเหตุการอนุมาน: ทบทวนและมองไปข้างหน้าและ Thoemmes และคิม (2011): ระบบตรวจสอบของนิสัยชอบคะแนนวิธีการในสังคมศาสตร์ ; ทั้งสองถูกเขียนอย่างดีและทำหน้าที่เป็นเอกสารที่ดีในเรื่องนี้ ตรวจสอบการบรรยายที่ยอดเยี่ยมนี้ในปี 2558 ว่าทำไมไม่ควรใช้คะแนนความชอบสำหรับการจับคู่โดยคิง พวกเขาช่วยฉันสร้างสัญชาตญาณในเรื่อง


ขอบคุณคำตอบที่ดี! แน่นอนเหตุผลที่อยู่เบื้องหลังสูตรน้ำหนักนั้นชัดเจนในการเข้าใจถึงปัญหาหลังเหตุการณ์ ฉันได้ดูบทความปี 2558 มีข้อมูลมากแม้ว่าฉันจะได้รับความสมดุลที่ยอดเยี่ยมด้วยการจับคู่คะแนนความชอบโดยไม่ต้องตัดแต่งแล้วทำไมไม่ใช้คะแนนความชอบ
RobertF

1
ฉันดีใจที่คุณเห็นว่ามีประโยชน์ เกี่ยวกับ King (2015): ถ้าเราบรรลุความสมดุลที่ยอดเยี่ยมผ่าน PSM เราควรใช้ PSM ปัญหาคือว่า PSM โดยทั่วไปไม่บรรลุความสมดุลที่ยอดเยี่ยมอย่างที่เราจะได้ในการออกแบบการทดลองแบบสุ่มเต็มบล็อกเพราะมันไม่ได้ออกแบบมาเพื่อทำ
usεr11852

การตอบกลับที่ยอดเยี่ยม @ usεr11852
Nicg

ขอบคุณ. นั่นเป็นเรื่องดีที่คุณจะพูด
usεr11852
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.