科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的观察性研究中使用倾向性评分法估计因果效应依赖于不存在未测量混杂假设。随着大数据时代的到来,越来越多的处理前协变量可被测量并纳入分析中,使得这一假设更合理,但同时也导致标准的倾向性评分法不再适用,这就促使了高维情况下因果推断方法的发展。本研究对现有的高维情况下基于倾向性评分的因果推断方法进行概述,为实际应用提供参考依据。方法从变量选择和协变量组间均衡性两个角度出发,对现有方法做归类和总结,系统回顾各方法的基本原理、方法步骤及优缺点等。结果基于变量选择的方法可分为Screening、惩罚和贝叶斯三类;基于均衡性的方法有明确的机制确保协变量的组间均衡性。结论实际应用中研究者应根据自身数据特点结合各方法的优缺点选择合适的方法进行分析,从而得到一致有效的因果效应估计量。
- 单位
