傾向スコアの回帰調整について

傾向スコアは観察研究で広く採用されており、これは、関心のある結果との関連性に関するモデルを必要とせずに、高次元の交絡因子を調整することを可能にするためです。そのため、傾向スコアによる層別化、マッチング、または逆加重に基づく統計分析の結果は、結果の回帰モデルのみに基づく結果よりもモデルの外挿に対して影響を受けにくいです。これは魅力的ですが、外挿が結果の回帰モデルで発生する場合、曝露された個体と非曝露の個体が非常に異なる共変量分布を持つと、驚察されるが診断が困難な場合があります。傾向スコアの標準回帰調整は、上述の傾向スコア手法に代わる方法ですが、その利点はあまり明確ではありません。なぜなら、これには傾向スコアに加えて結果をモデル化することがまだ含まれているからです。この記事では、この調整方法の特性について新しい洞察を展開します。傾向スコアモデルが正しく指定されている場合、曝露効果がないという帰無仮説の標準テスト（ロバスト分散推定量に基づく）や、そのように調整された回帰モデルから得られる特定の標準化効果は、結果モデルの誤仕様に対して頑健であり、そのため、上述の外挿問題に脆弱ではありません。さらに、私たちは、結果の回帰モデルが正しく指定されている限り、傾向スコアモデルが誤指定されていても有用な因果解釈を保持する標準化された効果のための効率的な推定量を提案します。