Propensity Score Weighting Methods for Dichotomous Treatments

二点処理の傾向スコア加重法

Provides propensity score weighting methods to control for confounding in causal inference with dichotomous treatments and continuous/binary outcomes. It includes the following functional modules: (1) visualization of the propensity score distribution in both treatment groups with mirror histogram, (2) covariate balance diagnosis, (3) propensity score model specification test, (4) weighted estimation of treatment effect, and (5) augmented estimation of treatment effect with outcome regression. The weighting methods include the inverse probability weight (IPW) for estimating the average treatment effect (ATE), the IPW for average treatment effect of the treated (ATT), the IPW for the average treatment effect of the controls (ATC), the matching weight (MW), the overlap weight (OVERLAP), and the trapezoidal weight (TRAPEZOIDAL). Sandwich variance estimation is provided to adjust for the sampling variability of the estimated propensity score. These methods are discussed by Hirano et al (2003) < doi:10.1111/1468-0262.00442 >, Lunceford and Davidian (2004) < doi:10.1002/sim.1903 >, Li and Greene (2013) < doi:10.1515/ijb-2012-0030 >, and Li et al (2016) < doi:10.1080/01621459.2016.1260466 >.

二分法の治療法と連続/二分法のアウトカムを用いた因果推論における交絡を制御するためのプロペンシティスコア重み付け法を提供しています。このプログラムには、以下の機能モジュールが含まれています。(1)ミラーヒストグラムによる両治療群のプロペンシティスコア分布の可視化、(2)共変量バランス診断、(3)プロペンシティスコアモデル指定検定、(4)治療効果の重み付け推定、(5)アウトカム回帰による治療効果の増強推定。重み付け方法としては、平均治療効果（ATE）を推定するための逆確率重み（IPW）、被治療者の平均治療効果（ATT）を推定するためのIPW、対照者の平均治療効果（ATC）を推定するためのIPW、マッチング重み（MW）、オーバーラップ重み（OVERLAP）、台形重み（TRAPEZOIDAL）などがあります。推定された傾向スコアのサンプリング変動を調整するために、サンドイッチ分散推定が提供されます。これらの方法は、Hiranoら(2003) < doi:10.1111/1468-0262.00442 >、LuncfordおよびDavidian(2004) < doi:10.1002/sim.1903 >、LiおよびGreene(2013) < doi:10.1515/ijb-2012-0030 >、およびLiら(2016) < doi:10.1080/01621459.2016.1260466 >によって議論されています。

Propensity Score Matching of Non-Binary Treatments

非バイナリ・トリートメントの傾向スコア・マッチング

Propensity score matching for non-binary treatments.

非バイナリー治療に対するプロペンシティスコアマッチング。

Propensity Score Based Adjusted Survival Curves and Corresponding Log-Rank Statistic

傾向スコアに基づいた調整された生存曲線と対応するログランク統計

In observational studies, the presence of confounding factors is common and the comparison of different groups of subjects requires adjustment. In this package, we propose simple functions to estimate adjusted survival curves and log-rank test based on inverse probability weighting (IPW).

観察研究では交絡因子の存在が一般的であり、被験者の異なるグループの比較には調整が必要です。本パッケージでは、逆確率重み付け(IPW)に基づいて調整生存曲線とログランク検定を推定する簡単な関数を提案します。

Model Averaged Double Robust Estimation

モデル平均化二重ロバスト推定

Estimates average treatment effects using model average double robust (MA-DR) estimation. The MA-DR estimator is defined as weighted average of double robust estimators, where each double robust estimator corresponds to a specific choice of the outcome model and the propensity score model. The MA-DR estimator extend the desirable double robustness property by achieving consistency under the much weaker assumption that either the true propensity score model or the true outcome model be within a specified, possibly large, class of models.

モデル平均ダブルロバスト（MA-DR）推定を使用して平均治療効果を推定します。MA-DR推定量は、ダブルロバスト推定量の加重平均として定義され、各ダブルロバスト推定量はアウトカムモデルと傾向スコアモデルの特定の選択に対応します。MA-DR推定量は、真のプロペンシティスコアモデルまたは真のアウトカムモデルのいずれかが、指定された、場合によっては大きなクラスのモデル内にあるという、より弱い仮定の下で一貫性を達成することによって、望ましいダブルロバスト性の特性を拡張しています。

Sparse Bayesian Models for Regression, Subgroup Analysis, and Panel Data

回帰、サブグループ解析、およびパネルデータに対するスパースベイズモデル

Sparse modeling provides a mean selecting a small number of non-zero effects from a large possible number of candidate effects. This package includes a suite of methods for sparse modeling: estimation via EM or MCMC, approximate confidence intervals with nominal coverage, and diagnostic and summary plots. The method can implement sparse linear regression and sparse probit regression. Beyond regression analyses, applications include subgroup analysis, particularly for conjoint experiments, and panel data. Future versions will include extensions to models with truncated outcomes, propensity score, and instrumental variable analysis.

疎なモデリングは、多数の候補効果の中から少数の非ゼロ効果を選択する平均を提供します。本パッケージには、疎なモデリングのためのメソッド群が含まれています：EMまたはMCMCMCによる推定、公称カバレッジを用いた近似信頼区間、診断プロットおよびサマリープロット。このメソッドは、疎な線形回帰と疎なプロビット回帰を実装することができます。回帰分析以外のアプリケーションとしては、特にコンジョイント実験のサブグループ分析、パネルデータなどがあります。将来のバージョンでは、結果を切り詰めたモデル、傾向スコア、および器材変数分析への拡張が含まれる予定です。

Stratification and matching by the propensity score

傾向スコアによる階層化とマッチング

This package offers a comprehensive data analysis if stratification and matching by the propensity score is done. Several functions are implemented, starting from the selection of the propensity score model up to estimating propensity score based treatment or exposure effects. All functions can be applied separately as well as combined.

本パッケージは、プロペンシティスコアによる層別化とマッチングを行えば、包括的なデータ分析を提供します。プロペンシティスコアモデルの選択から、プロペンシティスコアに基づく治療効果や曝露効果の推定まで、いくつかの機能が実装されています。すべての機能は、個別に適用することも、組み合わせて適用することも可能です。

Incorporating Uncertainties in Propensity Scores

傾向スコアにおける不確実性の取り込み

This package includes functions to incorporate uncertainties in estimated propensity scores and provide adjusted standard errors for making valid causal inference.

本パッケージには、推定された傾向スコアの不確実性を組み込み、有効な因果関係推論を行うための調整済み標準誤差を提供する機能が含まれています。