双重稳健估计的因果效应推断.pdf

双双重重稳稳健健估估计计的的因因果果效效应应推推断断方方法法及及其其应应用用

一一、、因因果果推推断断的的基基本本框框架架与与挑挑战战

（（一一））因因果果推推断断的的核核心心题题

因果推断的核心目标是评估某一干预或处理（Treatment）对结果变量（Outcome）的因果效应。与传统的相关性分析不同，

因果推断需要排除混杂变量（Confounders）的影响，以确定干预与结果之间的真实因果关系。例如，在医学研究中，研究者

需要判断某种药物是否真正改善了患者的健康状态，而非仅仅观察到两者之间的统计关联。

（（二二））潜潜在在结结果果框框架架与与反反事事实实假假设设

潜在结果框架（PotentialOutcomesFramework）是因果推断的理论基础。在此框架下，每个个体存在两种潜在结果：接受干

预后的结果和未接受干预的结果。然而，实际观测中只能获得其中一种结果，另一种被称为“反事实结果”（Counterfactual）。

因果效应的估计本质上依赖于对反事实结果的合理推断，这需要满足以下假设：1.稳定性假设：干预分配不会影响潜在结

果；2.可忽略性假设：所有混杂变量均被观测并控制；3.正值假设：每个个体均有非零概率被分配到干预组或对照组。

（（三三））传传统统方方法法的的局局限限性性

传统因果效应估计方法主要包括逆概率加权（InverseProbabilitWeighting,IPW）和结果回归模型（Outcome

Regression）。然而，这两种方法均存在显著缺陷：1.IPW的脆弱性：若干预分配模型（如Logistic回归）设定错误，估计结

果将产生偏差；2.结果回归模型的敏感性：若结果变量与协变量之间的关系建模不准确，因果效应估计同样不稳健。

二二、、双双重重稳稳健健估估计计的的理理论论基基础础

（（一一））双双重重稳稳健健性性的的定定义义

双重稳健估计（DoublRobustEstimation,DRE）通过同时构建干预分配模型和结果回归模型，并利用两者的互补性提升估计

的稳健性。其核心思想是：只要干预分配模型或结果回归模型中至少一个设定正确，因果效应估计即可保持无偏性。这种双重

保障机制显著降低了模型误设风险。

（（二二））估估计计量量的的数数学学表表达达

以平均处理效应（AverageTreatmentEffect,ATE）为例，双重稳健估计量可表示为：[\hat{\tau}{DR}=\frac{1}{n}\sum}^n

\left[\frac{T_i(Y_i\hat{\mu1(X_i))}{\hat{\pi}(X_i)}+\hat{\mu}_1(X_i)\right]\frac{1}{n}\sum_0(X_i)\right]]其中，(T_i)为干预指示

变量，(\hat{\pi}(X_i))为估计的倾向得分，(\hat{\mu}_1(X_i))和(\hat{\mu}_0(X_i))分别为干预组和对照组的结果回归模型预测

值。}^n\left[\frac{(1-T_i)(Y_i\hat{\mu}_0(X_i))}{1-\hat{\pi}(X_i)}+\hat{\mu

（（三三））双双重重稳稳健健性性的的证证明明

双重稳健性的无偏性可通过以下步骤证明：1.若倾向得分模型正确，则逆概率加权项可消除选择偏差；2.若结果回归模型正

确，则回归调整项可直接估计反事实结果；3.当任一模型正确时，剩余偏差项的期望为零，从而保证估计量的一致性。

三三、、双双重重稳稳健健估估计计的的实实践践步步骤骤

（（一一））数数据据预预处处理理与与模模型型选选择择

1.协变量平衡检验：通过标准化均值差异（StandardizedMeanDifference,SMD）或可视化方法（如LovePlot）评估干预

组与对照组的协变量分布差异；

2.干预分配模型构建：通常采用Logistic回归、广义加性模型（GAM）或机器学习算法（如随机森林、梯度提升树）估计

倾向得分；

3.结果回归模型构建：根据结果变量类型选择线性回归、广义线性模型（GLM）或非参数方法。

（（二二））估估计计量量计计算算与与方方差差估估计计

1.点估计计算：根据双重稳健公式计算ATE或条件平均处理效应（CATE）；

2.方差估计方法：可采用自助法（Bootstrap）、经验方差公式或基于影响函数（InfluenceFunction）的渐进方差估计。