观察数据分析方法简介.pdfVIP

观察数据分析方法简介 戴晓晨 华盛顿大学公共卫生学院全球卫生系 2016年9月5 日 提纲 • 背景回顾（Background Review） • 回归模型（Regression Modeling） • 倾向评分匹配（Propensity Score Matching） • 工具变量分析（Instrumental Variable ） 背景回顾 • 观察研究 （observational study）v.s 实验研究（experimental study） • 一些例子？ • 自然实验（natural experiment）是那种研究？ • 前瞻研究（Prospective study）v.s 回顾研究 （retrospective study） *本讲座不关注实验设计，只针对几种常见数据分析方法。 背景回顾 • 什么是观察数据 （observational data）？ • 研究者没有进行任何干预而客观观察到的数据 • 例子? • 原始数据（primary data）v.s 二手数据 （secondary data） • e.g. 全国卫生服务调查，吸烟问卷调查 • 主题范围：基于（二手）观察数据的回顾性观察研究 • e.g. 大数据分析 因果推断 • 研究的根本目的：因果推断（causal inference） • 因果联系（causation）v.s 相关性（correlation/association） • 因果联系à 相关性 • 相关性à? 因果联系（inference）（8条标准） • Causal Inference attempts to articulate the assumptions needed to move from conclusions about association to conclusions about causation • 例子：短信干预降低艾滋病母婴传染？ 因果推断 • 金标准： • 反事实（counterfactual scenario）/ 潜在结果（potential outcome） • 需要时光机！ • 本质：除了干预措施以外所有其他条件完全相同 因果推断 • 现实世界金标准：随机对照实验（RCT） • 本质：随机分组导致两组人除了干预措施以外所有其他条件相似 • 所有条件包括可观察的（observed）和不可观察的（unobserved） • 比较两组的平均效果 OC Texting Infection • 观察研究的因果推断： UC • 最大障碍：混杂（confounding） • 本质：用统计方法使两组人除了干预措施以外的其他可观察的条件相似 • 比较两组中可观察条件相同的人的平均效果，再对这些平均效果取平均 • 缺点：很难解决不可观察因素对效果的混杂（hidden bias）。 回归模型—连续变量 • 线性回归 （linear model/ OLS ）： • 因变量：连续变量，（计数变量） • 优点 ：应用非常广泛，简单，系数容易解释， • 缺点 ：5个基本假设限制，因变量偏斜（skewed），异质性方差（HSK） 导致结果偏倚 • Stata code: regress Y X1 X2 X3, robust • 对数线性回归（log OLS）： • 因变量：连续变量，（计数变量） • 优点 ：适用于因变量偏斜（Skewed）的情况，如医疗费用数据 • 缺点 ：系数不易解释，retransformation 困难，尤其在有HSK情况 回归模型—二元变量 • 逻辑回归（logistic regression） • 因变量：二元变量（Binary