A semiparametric instrumental variable approach to optimal treatment regimes under endogeneity.
A semiparametric instrumental variable approach to optimal treatment regimes under endogeneity.
复制标题
DOI：
10.1080/01621459.2020.1783272
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Tchetgen ET
中科院分区：
文献类型：
--
作者：
Cui Y;Tchetgen ET
基于随机试验或观察性研究，在无未测量混杂的关键识别条件下估计最佳治疗方案的文献正在快速增长。由于在观察性研究或随机试验中，不可测量因素的混淆通常不能确定地排除，因此我们提出了一种通用的工具变量方法来学习内生性下的最佳治疗方案。具体地说，当没有未测量的混杂不成立时，我们在二元工具变量的帮助下建立了给定制度D和最佳制度的价值函数识别。我们还构造了新的基于多重鲁棒分类的估计器。此外，我们建议在单调性假设下，在那些遵守指定治疗的人中识别和估计最佳治疗方案。在后一种情况下，我们建立了一个有点令人惊讶的结果，即无需直接收集依从性信息就可以一致地估计编译器的最佳制度，因此无需识别编译器的平均治疗效果本身。我们的方法通过广泛的模拟研究和数据应用来说明抚养孩子对劳动参与的影响。
There is a fast-growing literature on estimating optimal treatment regimes based on randomized trials or observational studies under a key identifying condition of no unmeasured confounding. Because confounding by unmeasured factors cannot generally be ruled out with certainty in observational studies or randomized trials subject to noncompliance, we propose a general instrumental variable approach to learning optimal treatment regimes under endogeneity. Specifically, we establish identification of both value function for a given regime D and optimal regimes with the aid of a binary instrumental variable, when no unmeasured confounding fails to hold. We also construct novel multiply robust classification-based estimators. Furthermore, we propose to identify and estimate optimal treatment regimes among those who would comply to the assigned treatment under a monotonicity assumption. In this latter case, we establish the somewhat surprising result that complier optimal regimes can be consistently estimated without directly collecting compliance information and therefore without the complier average treatment effect itself being identified. Our approach is illustrated via extensive simulation studies and a data application on the effect of child rearing on labor participation.
登录
查看更多内容
影响因子：
4.5
作者：
Athey, Susan;Tibshirani, Julie;Wager, Stefan
通讯作者：
Wager, Stefan
影响因子：
3.7
作者：
Luckett DJ;Laber EB;Kahkoska AR;Maahs DM;Mayer-Davis E;Kosorok MR
通讯作者：
Kosorok MR
影响因子：
3.7
作者：
Angrist, JD;Imbens, GW;Rubin, DB
通讯作者：
Rubin, DB
DOI：
10.1080/01621459.2016.1155993
发表时间：
2017-06-01
影响因子：
3.7
作者：
Linn, Kristin A.;Laber, Eric B.;Stefanski, Leonard A.
通讯作者：
Stefanski, Leonard A.
影响因子：
7.7
作者：
Greenland, S
通讯作者：
Greenland, S