Nonparametric methods for doubly robust estimation of continuous treatment effects.
Nonparametric methods for doubly robust estimation of continuous treatment effects.
复制标题
DOI：
10.1111/rssb.12212
复制
发表时间：
2017-09
期刊：
影响因子：
--
通讯作者：
Small DS
中科院分区：
文献类型：
--
作者：
Kennedy EH;Ma Z;McHugh MD;Small DS
连续处理（例如，剂量）在实践中经常出现，但许多可用的因果效应估计量受到限制，要么需要效应曲线的参数模型，要么不允许双重稳健的协变量调整。我们开发了一种新的内核平滑的方法，只需要温和的平滑假设的效果曲线，仍然允许误指定的治疗密度或结果回归。我们推导出渐近性质，并给出了一个程序的数据驱动的带宽选择。该方法通过模拟和护士人员对医院再入院处罚的影响的研究说明。
Continuous treatments (e.g., doses) arise often in practice, but many available causal effect estimators are limited by either requiring parametric models for the effect curve, or by not allowing doubly robust covariate adjustment. We develop a novel kernel smoothing approach that requires only mild smoothness assumptions on the effect curve, and still allows for misspecification of either the treatment density or outcome regression. We derive asymptotic properties and give a procedure for data-driven bandwidth selection. The methods are illustrated via simulation and in a study of the effect of nurse staffing on hospital readmissions penalties.
登录
查看更多内容
DOI：
10.1198/016214504000001187
发表时间：
2004-09-01
影响因子：
3.7
作者：
Imai, K;van Dyk, DA
通讯作者：
van Dyk, DA
DOI：
10.1080/01621459.2014.978005
发表时间：
2015-12-01
影响因子：
3.7
作者：
Galvao, Antonio F.;Wang, Liang
通讯作者：
Wang, Liang
DOI：
10.1377/hlthaff.2013.0613
发表时间：
2013-10
期刊：
Health affairs (Project Hope)
影响因子：
--
作者：
McHugh MD;Berez J;Small DS
通讯作者：
Small DS
影响因子：
1.4
作者：
Diaz, Ivan;Van der Laan, Mark J.
通讯作者：
Van der Laan, Mark J.
影响因子：
8
作者：
Imbens, GW
通讯作者：
Imbens, GW