Escore de propensão Combinando com tratamento variável no tempo

8

O procedimento básico de correspondência de pontuação de propensão funciona com dados de seção transversal (ou seja, coletados em um determinado momento). O comando psmatch2 popular usa uma variável dummy indicando que uma observação pertence ao grupo de tratamento ou controle.

No entanto, no meu conjunto de dados, essa função indicadora varia no tempo. Os dados têm a seguinte aparência: identifico indivíduos e os acompanho por um período de 12 anos. Em algum momento durante esse período, os indivíduos podem ser tratados e, portanto, "transferem do controle para o grupo de tratamento". Observe que isso pode ocorrer a qualquer momento (sic!) Para cada indivíduo.

Acima disso, minha análise subsequente seria dependente do tempo: a partir do momento em que os indivíduos estão sendo tratados, quero estimar o TCA, mas apenas para o ano seguinte (sic!). Assim, não me importo mais com os indivíduos tratados 1 ano após o início do tratamento.

psmatch2parece ser muito restritivo quando se trata disso. Você vê alguma possibilidade de como fazer isso? Talvez também haja métodos de correspondência que me permitam fazer isso.

PS: Há uma pergunta semelhante aqui no fórum, no entanto, isso não me ajudou a resolver esse problema.

stata panel-data propensity-scores

— Jhonny
fonte

1

Muitos "pesos" usados para análises usam métodos muito semelhantes e têm justificativas muito semelhantes. No entanto, é importante consultá-los corretamente. Que eu saiba, os escores de propensão não são usados para explicar tratamentos que variam no tempo. Acredito que você esteja pensando em modelos estruturais marginais .

— AdamO 29/09/14

Obrigado por essa dica, eu não conhecia esse modelo. Eles parecem ser muito populares na literatura de epidemiologia e medicina, mas não nas ciências econômicas / sociais, que é minha formação.

— precisa saber é o seguinte

Eu fiz uma pergunta semelhante há algumas semanas: stats.stackexchange.com/questions/113670/…

— Adam Robinsson

6

Talvez o artigo a seguir seja relevante para o seu caso: Lu B. Pontuação de propensão correspondente a covariáveis dependentes do tempo. Biometrics 2005; 61, 721-728 .

Na situação considerada no artigo, os sujeitos podem iniciar o tratamento a qualquer momento durante um período de observação. Um indivíduo que fica exposto no momento é correspondido a vários controles selecionados no conjunto de riscos correspondente, ou seja, de todos os indivíduos que ainda correm o risco de ficar expostos no tempo . $t$ $t$

A correspondência refere-se a um escore de propensão dependente do tempo, definido como o risco de ficar exposto no tempo calculado a partir de um modelo de riscos proporcionais de Cox: onde é um vetor de preditores potencialmente variáveis no tempo do status do tratamento. Em cada conjunto de riscos, a correspondência é efetivamente realizada na escala preditora linear de acordo com a métrica $t$

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
fonte

1

O Stata 13 possui um estimador de efeitos de tratamento com vários valores . Pode ser possível reformular o seu problema como tratamento de múltiplos valores, em que o tratamento é indexado por tempo (tratado no ano 1, tratado no ano 2, ..., tratado no ano 12) em vez de binário. O resultado será medido no ano após o tratamento.

— Dimitriy V. Masterov
fonte

Na minha configuração, o tratamento pode ocorrer em qualquer dia durante os 12 anos, o que torna essa solução impraticável (o conjunto de dados inclui mais de um milhão de observações). Acima disso, o tratamento que os indivíduos recebem é idêntico (embora ocorra em diferentes momentos) - o que não é considerado pelo meu entendimento do estimador proposto.

— precisa