Propensity Score Matching mit zeitlich variierender Behandlung

8

Das grundlegende Verfahren zur Anpassung der Neigungsbewertung arbeitet mit Querschnittsdaten (dh zu einem bestimmten Zeitpunkt gesammelt). Der beliebte Befehl psmatch2 verwendet eine Dummy-Variable, die angibt, dass eine Beobachtung entweder zur Behandlungs- oder zur Kontrollgruppe gehört.

In meinem Datensatz variiert diese Indikatorfunktion jedoch zeitlich. Die Daten sehen wie folgt aus: Ich identifiziere Personen und verfolge sie über einen Zeitraum von 12 Jahren. Irgendwann während dieses Zeitraums können Personen behandelt werden, so dass sie "von der Kontrolle zur Behandlungsgruppe übergehen". Beachten Sie, dass dies zu jedem Zeitpunkt (sic!) Für jede Person auftreten kann.

Darüber hinaus wäre meine nachfolgende Analyse zeitabhängig: Ab dem Moment, in dem die Personen behandelt werden, möchte ich die ATT schätzen, jedoch nur für das folgende Jahr (sic!). Daher interessieren mich die behandelten Personen 1 Jahr nach Beginn ihrer Behandlung nicht mehr.

psmatch2scheint dabei sehr restriktiv zu sein. Sehen Sie eine Möglichkeit, wie das geht? Vielleicht gibt es auch Matching-Methoden, mit denen ich das machen kann.

PS: Es gibt eine ähnliche Frage hier im Forum, die mir jedoch nicht geholfen hat, dieses Problem zu lösen.

stata panel-data propensity-scores

— Jhonny
quelle

1

Viele "Gewichte", die für Analysen verwendet werden, verwenden sehr ähnliche Methoden und haben sehr ähnliche Begründungen. Es ist jedoch wichtig, sich korrekt auf sie zu beziehen. Meines Wissens werden Neigungswerte nicht verwendet, um zeitlich veränderliche Behandlungen zu berücksichtigen. Ich glaube, Sie denken an marginale Strukturmodelle .

— AdamO

Vielen Dank für diesen Hinweis, mir war dieses Modell nicht bekannt. Sie scheinen in der epidemiologischen und medizinischen Literatur sehr beliebt zu sein, jedoch nicht in den Wirtschafts- / Sozialwissenschaften, die mein Hintergrund sind.

— Jhonny

Ich habe vor einigen Wochen eine ähnliche Frage gestellt: stats.stackexchange.com/questions/113670/…

— Adam Robinsson

6

Vielleicht ist das folgende Papier für Ihren Fall relevant: Lu B. Propensity Score Matching mit zeitabhängigen Covariaten. Biometrics 2005; 61, 721–728 .

In der in der Arbeit betrachteten Situation können die Probanden zu jedem Zeitpunkt während eines Beobachtungszeitraums mit der Behandlung beginnen. Eine Person, die zum Zeitpunkt exponiert wird, wird mehreren Kontrollen zugeordnet, die aus dem entsprechenden Risikosatz ausgewählt wurden, dh von allen Probanden, bei denen zum Zeitpunkt noch das Risiko einer Exposition besteht . $t$ $t$

Die Übereinstimmung bezieht sich auf einen zeitabhängigen Neigungswert, der als die Gefahr definiert ist, zum Zeitpunkt exponiert zu werden, berechnet aus einem Cox-Proportional-Hazards-Modell: Dabei ist ein Vektor potenziell zeitlich variierender Prädiktoren für den Behandlungsstatus. In jedem Risikosatz wird die Übereinstimmung tatsächlich auf der linearen Prädiktorskala gemäß der Metrik $t$

h (t) = h_{0} (t) \exp (β^{'} x (t))

$h(t)=h_0(t)\exp(\beta'x(t))$

x (t)

$x(t)$

d (x_{i} (t), x_{j} (t)) = {({\hat{β}}^{'} x_{i} (t) - {\hat{β}}^{'} x_{j} (t))}^{2} .

$d(x_i(t),x_j(t))=\left(\hat\beta'x_i(t)-\hat\beta'x_j(t)\right)^2.$

— a.arfe
quelle

1

Stata 13 verfügt über einen mehrwertigen Schätzer für Behandlungseffekte . Es kann möglich sein, Ihr Problem als mehrwertige Behandlung neu zu definieren, bei der die Behandlung nach Zeit (behandelt in Jahr 1, behandelt in Jahr 2, ..., behandelt in Jahr 12) und nicht binär indiziert wird. Das Ergebnis wird im Jahr nach der Behandlung gemessen.

— Dimitriy V. Masterov
quelle

In meinem Setup kann die Behandlung jeden Tag während der 12 Jahre erfolgen, was diese Lösung nicht praktikabel macht (Datensatz enthält mehr als eine Million Beobachtungen). Darüber hinaus ist die Behandlung, die Personen erhalten, identisch (obwohl sie zu unterschiedlichen Zeitpunkten auftritt) - was nach meinem Verständnis des vorgeschlagenen Schätzers nicht berücksichtigt wird.

— Jhonny