因果推断-双重稳健估计

双重稳健估计的原理

双重稳健估计（Double Robust Estimator, DR Estimator）是结合倾向得分模型（Propensity Score Model）和回归模型（Outcome Model）的一种因果效应估计方法。其核心思想是通过同时依赖这两个模型，在其中一个模型正确时，估计仍然能够保持一致性，从而在面对模型误设时提高稳健性。

估计过程的构成：

双重稳健估计量的构成可以分为以下几个主要步骤：

1. 倾向得分模型（Propensity Score Model）：

• 倾向性得分$e(X_i)$反映了在给定协变量$X_i$的情况下，样本$X_i$接受处理的概率，即$P(D_i=1|X_i)$
• 通过倾向得分模型估计每个个体接受处理的概率 $e(X_i)$

2. 回归模型（Outcome Model）

• 回归模型分别估计处理组和对照组在协变量 $X_i$下的潜在结果：

  • ${\mu }_1(X_i)$：回归模型对处理组$(D_i=1)$的预测结果
  • ${\mu }_0(X_i)$：回归模型对对照组$(D_i=0)$的预测结果

3. 加权残差和回归调整：

• 在处理组$(D_i=1)$中，观测值$Y_i$与回归预测值${\mu }_1(X_i)$之间的差异（即残差）需要通过倾向得分进行加权调整，得到$\frac{D_i}{e(X_i)}(Y_i-{\mu }_1(X_i))$
• 在对照组$(D_i=0)$中，观测值$Y_i$与回归预测值${\mu }_0(X_i)$之间的差异（即残差）需要通过倾向得分进行加权调整，得到$\frac{1-D_i}{1-e(X_i)}(Y_i-{\mu }_0(X_i))$
• 这两部分合并起来，考虑每个观测点的加权残差，形成一个加权的误差项。

4. 最终的双重稳健估计：

• 最终的因果效应估计值通过回归预测差${\mu }_1(X_i)-{\mu }_0(X_i)$处理和对照组的期望结果差）和加权残差项的组合来计算。双重稳健估计的公式为：
  $${\hat{\theta }}_{DR}=\frac{1}{n}\sum _{i=1}^n\left[\right({\mu }_1(X_i)+\frac{D_i}{e(X_i)}(Y_i-{\mu }_1(X_i)))-({\mu }_0(X_i)+\frac{1-D_i}{1-e(X_i)}(Y_i-{\mu }_0(X_i))\left)\right]$$

5. 为什么是双重稳健的

• 当${\mu }_1(X_i)$是准确的，如果倾向性得分的模型是错的，我们也无需担心。因为当${\mu }_1(X_i)$是准确的时候$E[Y_i-{\mu }_1(X_i)]=0$，因此剩余${\mu }_1(X_i)-{\mu }_0(X_i)$，转化为回归调整公式。
• 当倾向性得分$e(X_i)$是准确的，则
  $$\begin{array}{rl}\widehat{E(Y_1)}& =\frac{1}{n}\sum _{i=1}^n({\mu }_1(X_i)+\frac{D_i}{e(X_i)}(Y_i-{\mu }_1(X_i)))\\ & =\frac{1}{n}\sum _{i=1}^n({\mu }_1(X_i)+\frac{D_i{Y}_i}{e(X_i)}-\frac{D_i{\mu }_1(X_i)}{e(X_i)})\\ & =\frac{1}{n}\sum _{i=1}^n(\frac{D_i{Y}_i}{e(X_i)}-\frac{D_i-e(X_i)}{e(X_i)}{\mu }_1(X_i))\end{array}$$
  此时$E[D_i-e(X_i)]=0$，剩余项为$\frac{D_i{Y}_i}{e(X_i)}-\frac{(1-D_i)Y_i}{1-e(X_i)}$,转化为逆概率加权IPW公式。

双重稳健估计的关键优势：

稳健性：
双重稳健估计的最重要优势之一是其“稳健性”。即使其中一个模型（倾向得分模型或回归模型）是正确的，估计仍然能够保持一致。这意味着，即使其中一个模型不完全准确，双重稳健估计仍然能提供有效的估计。
消除选择偏误：
通过倾向得分模型，双重稳健估计能够对个体的处理选择进行加权调整，从而减少选择偏误（Selection Bias）。即使样本选择有偏，双重稳健估计仍然能够有效控制这些偏差，提供可靠的因果效应估计。
控制协变量的作用：
回归模型通过控制协变量$X_i$的影响，能够为处理组和对照组提供期望结果差异的估计。回归模型确保我们能够在控制协变量影响后，正确评估处理效应。

总结

双重稳健估计通过结合倾向得分模型和回归模型，充分利用这两个模型的优势，使得估计在其中一个模型正确时依然能够保持一致性。它的最大优点在于稳健性：只要倾向得分模型或回归模型中任一个正确，估计都会是无偏且一致的，从而有效地解决了因果推断中的选择偏误问题。

这种方法能够更加准确地估计因果效应，并能处理复杂的观测数据和偏倚，使得因果推断在实际应用中更加可靠。