Huajishe Notes

3-协变量调整

13 min read

协变量调整

一句话定位：协变量调整是控制混杂变量以识别因果效应的核心方法，通过在协变量的不同取值层内分别估计处理效应后加权平均，实现后门准则下的因果效应估计。

前置依赖：

核心思想

协变量调整是后门准则的具体实现方式。如果存在一组协变量 满足后门准则，协变量调整通过两种等价途径将 转化为可从数据估计的形式：

  1. 分层（Stratification）：在协变量的每一层内分别估计处理效应，然后加权平均
  2. 标准化（Standardization）：对协变量分布进行标准化，移除混杂影响

核心思想是”分而治之”：如果协变量 包含了所有混杂信息，那么在 的每一层内， 与 的关联就是纯粹的因果效应。不同层内的处理效应加权平均，就得到整体因果效应。

一、调整公式的推导

1.1 调整公式的来源

目标：从后门准则推导出可计算的估计公式。

后门准则定理：如果 满足后门准则，则：

变量定义：

  • ：二元处理变量
  • ：结果变量
  • ：满足后门准则的协变量
  • ：样本量
  • ：第 个单元的结果
  • ：第 个单元的处理状态
  • ：第 个单元的协变量

1.2 调整公式的证明

证明（基于条件概率和边缘化）：

从 do-算子的定义出发：

第一步：在 下， 的分布等于其边缘分布

因为 切断了所有指向 的边，而 的父节点中不含 （由后门准则条件2， 不包含 的后代），故 在干预下成立：

第二步：由后门准则，在 中

这意味着在控制 后， 与 无非因果关联，故可以将 do 替换为条件：

第三步：综合

1.3 连续结果的调整公式

对于连续结果 ，调整公式的期望形式：

对应的 ATE 估计：

二、分层分析

2.1 分层的定义

定义（分层）：将样本按照协变量 的取值划分为若干层（strata），在每层内分别估计处理效应。

数学表示：

2.2 分层估计的步骤

步骤 1：对每个 的取值，计算层内处理效应

其中 是层 内处理组的人数， 是层 内对照组的人数。

步骤 2：计算每层的权重

层的样本数总样本数

步骤 3：加权平均

2.3 分层分析示例

场景：估计培训对工资的影响，控制工作经验。

分层：

  • 层1：工作经验 = 0-2年
  • 层2：工作经验 = 3-5年
  • 层3：工作经验 = 6年以上

在每层内：

  • 层1： = 500元
  • 层2： = 800元
  • 层3： = 1200元

加权平均：

元

三、匹配估计

3.1 匹配与调整的关系

匹配（Matching） 是调整公式的另一种实现方式：通过为每个处理组个体寻找匹配的对照组个体，使得匹配后的样本在协变量上平衡。

直觉：如果我们能创造一个”反事实”对照组，使得它与处理组在协变量上不可区分，那么两组的结局差异就是因果效应。

3.2 倾向得分匹配（PSM）

倾向得分（Propensity Score）：

性质定理：在随机化试验中， 是平衡得分，即：

在观察性研究中，如果 正确设定，控制 等价于控制所有协变量。

PSM 估计步骤：

  1. 估计倾向得分：用逻辑回归或其他模型估计
  2. 匹配：为每个处理组个体找到倾向得分最接近的对照组个体
  3. 估计处理效应：在匹配样本上计算结局差异

1-最近邻匹配：

其中

3.3 匹配与调整的等价性

定理：在无限样本且倾向得分正确估计的条件下，匹配估计量与调整估计量具有相同的极限。

关键差异：

  • 调整：直接使用观测分布 权重
  • 匹配：使用匹配后的经验分布近似

四、逆概率加权（IPW）

4.1 IPW 的直观理解

问题：观察性研究中，处理组和对照组在协变量分布上不平衡，导致简单比较产生偏倚。

IPW 的解决方案：为每个个体赋予一个权重，使得加权后的样本类似于随机化实验。

直觉：处理组中协变量 的个体代表性不足（因为某些 值的人更可能被选入处理组），需要上加权；对照组中协变量 的个体代表性过度，需要下加权。

4.2 IPW 估计量的推导

目标：估计 ATE。

** Horvitz-Thompson 估计量**：

推导：

类似地，。

因此 是 的无偏估计。

4.3 IPW 的问题与修正

问题1（极端倾向得分）：当 接近 0 或 1 时，权重过大导致高方差。

解决方案（修剪/截断）：限制权重的上下界。

问题2（倾向得分估计错误）：如果 模型错误，即使一致性问题也会产生偏差。

解决方案（稳健标准误）：使用三明治估计量。

问题3（稀疏性）：某些协变量组合无处理组或对照组个体。

解决方案（稳定权重）：

五、双稳健估计量（Doubly Robust Estimator）

5.1 双重稳健的概念

核心思想：结合两个模型（处理模型和结果模型），只要其中一个正确，就能得到一致估计。

性质：如果处理分配模型或结果模型正确，则 DR 估计量一致。

5.2 DR 估计量的构造

augmented IPW（ AIPW ）：

其中偏倚修正项：

简化形式：

变量定义：

  • ：结果模型（处理组）
  • ：结果模型（对照组）
  • ：倾向得分模型

5.3 DR 估计量的性质

定理（双重稳健性）：如果 或 正确设定（两者之一），则 是 的一致估计。

方差：DR 估计量通常比单一模型估计量有更小的方差（在两者都接近正确时）。

六、协变量调整的实际考虑

6.1 协变量选择

原则：

  • 包含所有混杂因素
  • 不包含 的后代（中介）
  • 不包含碰撞节点的子节点

实践方法：

  • DAG 专家知识
  • PC 算法等结构学习
  • 敏感性分析

6.2 高维协变量的处理

维度灾难：当 很大时，精确分层不可行。

解决方案：

  1. 倾向得分降维：将高维 压缩为一维
  2. 机器学习：使用因果森林、双机器学习等方法
  3. 子圈分析：只控制最关键的协变量

6.3 诊断检查

协变量平衡检验：验证控制协变量后，处理组和对照组的协变量分布是否平衡。

公式：

标准化均值差异

理想情况下，该差异应小于 0.1。

章节摘要

  • 调整公式来自后门准则：
  • 分层分析在每个协变量层内分别估计处理效应，然后按协变量分布加权平均
  • 匹配通过为处理组创造可比的对照组来实现调整，PSM 是最常用的匹配方法
  • IPW 通过逆概率加权使加权样本类似于随机化实验
  • DR 估计量结合处理模型和结果模型，只要其中一个正确就能一致估计
  • 协变量必须满足后门准则：不阻断因果路径，不包含 的后代
  • 高维协变量下倾向得分是有效的降维工具
  • 协变量平衡诊断确保调整的有效性
  • 调整公式假设无未观测混杂（可辨识性前提）
  • 实践中需要结合多种方法（分层+匹配+IPW+DR）进行稳健估计

关键词

协变量调整 | 调整公式 | 分层分析 | 匹配 | 倾向得分 | IPW | 双稳健估计量 | 后门准则 | 因果效应 | AIPW | 标准化 | 协变量平衡

Graph View