Intuicyjne wyjaśnienie odwrotnego prawdopodobieństwa wag leczenia (IPTW) w ważeniu wyniku skłonności?

10

Rozumiem mechanikę obliczania wag z wykorzystaniem wyników skłonności : w i , j = t r e ap(xja) a następnie zastosowanie wag w analizie regresji, a wagi służą do „kontrolowania” lub rozdzielania efektów zmiennych towarzyszących w populacjach grupy leczonej i kontrolnej ze zmienną wynikową.

wja,jot=trmizat=1p(xja)wja,jot=doontrol=11-p(xja)

Jednak na poziomie jelit nie rozumiem, w jaki sposób osiągają to wagi i dlaczego równania są skonstruowane takimi, jakie są.

RobertF
źródło

Odpowiedzi:

8

p(xja)jaXwja,jot=leczyć=1p(xja)wja,jot=kontrola=11-p(xja)

W przypadku, gdy ich nie spotkasz, zdecydowanie sugeruję przeczytanie Stuarta (2010): Metody dopasowania wnioskowania przyczynowego: przegląd i spojrzenie w przyszłość oraz Thoemmes i Kim (2011): Systematyczny przegląd metod oceny skłonności w naukach społecznych ; oba są ładnie napisane i służą jako dobre prace w tej sprawie. Sprawdź także ten znakomity wykład z 2015 r. Na temat tego, dlaczego wyniki skłonności nie powinny być wykorzystywane do porównywania przez króla. Naprawdę pomogły mi zbudować intuicję na ten temat.

usεr11852
źródło
Dziękuję, świetna odpowiedź! Oczywiście uzasadnienie formuł masy jest oczywiste z perspektywy czasu. Przejrzałem artykuł o Królu z 2015 roku. Bardzo pouczające, chociaż jeśli osiągnę doskonałą równowagę z dopasowaniem wyniku skłonności bez przycinania, to dlaczego nie skorzystać z wyników skłonności?
RobertF
1
Cieszę się, że okażą się pomocne Odnośnie Kinga (2015): Jeśli osiągniemy doskonałą równowagę dzięki PSM, powinniśmy użyć PSM. Problem polega na tym, że PSM zwykle nie osiąga doskonałej równowagi, jak w przypadku całkowicie zablokowanego randomizowanego projektu eksperymentalnego, ponieważ nie został on do tego zaprojektowany.
usεr11852
Genialna odpowiedź, @ usεr11852
Nicg,
Dziękuję Ci. To miłe, że tak mówisz.
usεr11852