Inférence Causale Avec des Régimes de Traitement Généraux

Dans cet article, nous développons les propriétés théoriques de la fonction de propension, qui est une généralisation du score de propension de Rosenbaum et Rubin. Les méthodes basées sur le score de propension sont utilisées depuis longtemps pour l'inférence causale dans les études d'observation ; elles sont faciles à utiliser et peuvent réduire efficacement le biais causé par l'attribution de traitement non aléatoire. Bien que les régimes de traitement ne doivent pas être binaires dans la pratique, les méthodes de score de propension sont généralement confinées aux scénarios de traitement binaire. Deux exceptions possibles ont été proposées pour les traitements ordinairement et catégoriques. Dans cet article, nous développons des théories et des méthodes qui englobent toutes ces techniques et élargissent leur applicabilité en permettant des régimes de traitement arbitraires. Nous illustrons nos méthodes de fonction de propension en les appliquant à deux ensembles de données ; nous estimons l'effet du tabagisme sur les dépenses médicales et l'effet de la scolarité sur les salaires. Nous réalisons également des études de simulation pour étudier la performance de nos méthodes.