换一批观察性研究中基于贝叶斯加性回归树的平均处理效应估计
Estimation of Average Treatment Effect Using Bayesian Additive Regression Tree in Observational Study
摘要目的 探讨观察性研究中贝叶斯加性回归树估计平均处理效应的统计学性能及适用条件.方法 通过模拟试验和实例分析比较贝叶斯加性回归树与多变量回归、倾向性得分匹配、逆概率加权的估计结果差异.结果 模拟试验表明,在线性假设下,贝叶斯加性回归树的估计表现与常用方法接近.当数据中变量之间关系复杂,存在非线性关系时,贝叶斯加性回归树的估计结果明显优于其他方法.当不满足可忽略性假设时,未观测到的混杂因素导致四种估计方法的结果都会存在偏倚,但是贝叶斯加性回归树的估计偏倚明显小于其他三种方法,结果相对稳健.并在实例中使用该方法估计了戒烟对于体重变化的平均处理效应.结论 在绝大多数观察性研究中,研究结局受到多个因素的影响,研究者很难正确指定变量间的关系.从模型拟合和结果准确性来说,贝叶斯加性回归树是值得推荐的方法.
更多相关知识
关键词
观察性研究贝叶斯加性回归树因果推断可忽略性假设Observational studyBayesian additive regression treeCausal inferenceIgnorability assumption
栏目名称
DOI
10.11783/j.issn.1002-3674.2023.06.005
发布时间
2024-01-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82273738）
:江苏省高校青蓝工程
- 浏览7
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
