प्रवृत्ति स्कोर भार से औसत उपचार प्रभाव के लिए आत्मविश्वास अंतराल?

मैं प्रिवेंशन स्कोर वेटिंग (विशेष रूप से आईपीटीडब्ल्यू) का उपयोग करके अवलोकन डेटा से औसत उपचार प्रभाव का अनुमान लगाने की कोशिश कर रहा हूं। मुझे लगता है कि मैं सही ढंग से ATE की गणना कर रहा हूं, लेकिन मुझे पता नहीं है कि व्युत्क्रम स्कोर के वज़न को ध्यान में रखते हुए ATE के आत्मविश्वास अंतराल की गणना कैसे करें।

यहां वह समीकरण है जिसका उपयोग मैं औसत उपचार प्रभाव (संदर्भ स्टैट मेड। 10 सितंबर, 2010; 29 (20): 2137-2148।): गणना के लिए कर रहा हूं। जहां विषयों की कुल संख्या, उपचार की स्थिति, परिणाम स्थिति, और प्रवृत्ति स्कोर।

ए टी इ = \frac{1}{एन} Σ_{1}^{एन} \frac{{जेड}_{मैं} Y_{मैं}}{{पी}_{मैं}} - \frac{1}{एन} Σ_{1}^{एन} \frac{(1 - {जेड}_{मैं}) Y_{मैं}}{1 - {पी}_{मैं}}

$ATE=\frac1N\sum_1^N\frac{Z_iY_i}{p_i}-\frac1N\sum_1^N\frac{(1-Z_i)Y_i}{1-p_i}$

N =

$N=$

Z_{i} =

$Z_i=$

Y_{i} =

$Y_i=$

p_{i} =

$p_i=$

क्या कोई ऐसे आर पैकेज के बारे में जानता है जो वजन को ध्यान में रखते हुए, औसत उपचार प्रभाव के विश्वास अंतराल की गणना करेगा? क्या surveyपैकेज यहां मदद कर सकता है? मैं सोच रहा था कि क्या यह काम करेगा:

library(survey)
sampsvy=svydesign(id=~1,weights=~iptw,data=df)
svyby(~surgery=='lump',~treatment,design=sampsvy,svyciprop,vartype='ci',method='beta')

#which produces this result:
  treatment surgery == "lump"      ci_l      ci_u
   No         0.1644043 0.1480568 0.1817876
   Yes         0.2433215 0.2262039 0.2610724

मुझे नहीं पता कि अनुपात के अंतर के अंतर अंतराल (यानी औसत उपचार प्रभाव) को खोजने के लिए यहां से कहां जाना है।

— JJM
स्रोत

मैं विशेष रूप से जवाब नहीं दे सकता, लेकिन सर्वेक्षण पैकेज के लेखक द्वारा "कॉम्प्लेक्स सर्वे: ए गाइड टू एनालिसिस यूजिंग आर" का प्रकाशन आईपीटीडब्ल्यू को कवर करता है, और मदद का हो सकता है। books.google.com/…

— kaz_yos

आप surveyपैकेज या जटिल कुछ भी जरूरत नहीं है। वोल्ड्रिज (2010, पृ। 920 इसके बाद) "क्रॉस सेक्शन और पैनल डेटा का इकोनोमेट्रिक एनालिसिस" एक सरल प्रक्रिया है जिससे आप विश्वास अंतराल के निर्माण के लिए मानक त्रुटियों को प्राप्त कर सकते हैं।

इस धारणा के तहत कि आपने उस प्रॉपर्टी स्कोर को सही ढंग से निर्दिष्ट किया है जिसे हम रूप में दर्शाते हैं, स्कोर को स्कोर स्कोर से परिभाषित करते हैं (अर्थात पहला लॉजिट या प्रोबेट रिग्रेशन) ) as और let जैसा कि आपके ऊपर यह अभिव्यक्ति है। फिर इन दो भावों के नमूना एनालॉग्स लें और को $p(\textbf{x}_i,\textbf{$\gamma$})$

घ_{मैं} = \frac{\nabla_{γ} पी ({एक्स}_{मैं}, γ)^{'} [{जेड}_{मैं} - पी ({एक्स}_{मैं}, γ)]}{पी ({एक्स}_{मैं}, γ) [1 - पी ({एक्स}_{मैं}, γ)]}

$\textbf{d}_i = \frac{\nabla_\gamma p(\textbf{x}_i,\textbf{$\gamma$})'[Z_i-p(\textbf{x}_i,\textbf{$\gamma$})]}{p(\textbf{x}_i,\textbf{$\gamma$}){[1-p(\textbf{x}_i,\textbf{$\gamma$})]}}$

{खाया}_{मैं} = \frac{[{जेड}_{मैं} - पी ({एक्स}_{मैं}, γ)] Y_{मैं}}{पी ({एक्स}_{मैं}, γ) [1 - पी ({एक्स}_{मैं}, γ)]}

$\text{ATE}_i = \frac{[Z_i-p(\textbf{x}_i,\textbf{$\gamma$})]Y_i}{p(\textbf{x}_i,\textbf{$\gamma$}){[1-p(\textbf{x}_i,\textbf{$\gamma$})]}}$

{\hat{ATE}}_{i}

$\widehat{\text{ATE}}_i$

{\hat{d}}_{i}

$\widehat{\textbf{d}}_i$ । सुनिश्चित करें कि आप इस प्रतिगमन में एक अवरोधन शामिल करते हैं। बता दें कि उस प्रतिगमन से अवशिष्ट है, तो का बस । तो आपके ATE की एसिम्प्टोटिक मानक त्रुटि

e_{i}

$e_i$

\sqrt{N} (\hat{ATE} - ATE)

$\sqrt{N}(\widehat{\text{ATE}} - \text{ATE})$

Var (e_{i})

$\text{Var}(e_i)$

\frac{{[\frac{1}{एन} Σ_{मैं = 1}^{एन} इ_{मैं}^{2}]}^{\frac{1}{2}}}{\sqrt{एन}}

$\frac{\left[ \frac{1}{N}\sum^N_{i=1}e_i^2 \right]^{\frac{1}{2}}}{\sqrt{N}}$

तुम तो हमेशा की तरह (उत्तर करने के लिए टिप्पणियों को देखने के उदाहरण के लिए में विश्वास अंतराल गणना कर सकते हैं यहाँ एक कोड उदाहरण के लिए)। उलटा प्रवृत्ति स्कोर वजन के लिए आपको फिर से आत्मविश्वास अंतराल को समायोजित करने की आवश्यकता नहीं है, क्योंकि यह कदम मानक त्रुटियों की गणना में पहले से ही शामिल था।

दुर्भाग्य से मैं एक आर लड़का नहीं हूं इसलिए मैं आपको विशिष्ट कोड प्रदान नहीं कर सकता लेकिन ऊपर उल्लिखित प्रक्रिया का पालन करने के लिए सीधे आगे होना चाहिए। साइड नोट के रूप में, यह वह तरीका भी है जिसमें treatrewस्टैटा में कमांड काम करती है। यह आदेश सेराली (2014) द्वारा स्टाटा जर्नल में लिखा और पेश किया गया था । यदि आपके पास लेख तक पहुंच नहीं है, तो आप उसकी स्लाइड्स की जांच कर सकते हैं, जो उलटे प्रवृत्ति भार से मानक त्रुटियों की गणना करने की प्रक्रिया को भी रेखांकित करता है। वहाँ वह लॉजिट या प्रोबिट के माध्यम से प्रवृत्ति स्कोर का अनुमान लगाने के बीच कुछ मामूली वैचारिक मतभेदों पर भी चर्चा करता है लेकिन इस उत्तर के लिए यह अत्यधिक महत्वपूर्ण नहीं था इसलिए मैंने इस भाग को छोड़ दिया।

— एंडी
स्रोत