Correspondance (statistiques) – Wikipédia

 Correspondance (statistiques) – Wikipédia

Correspondant à est une technique statistique utilisée pour évaluer l’effet d’un traitement en comparant les unités traitées et non traitées dans une étude observationnelle ou une quasi-expérience (c’est-à-dire lorsque le traitement n’est pas assigné au hasard). Le but de l’appariement est, pour chaque unité traitée, de trouver une (ou plusieurs) unité (s) non traitée (s) avec des caractéristiques observables similaires contre lesquelles l’effet du traitement peut être évalué. En appariant les unités traitées à des unités similaires non traitées, l’appariement permet de comparer les résultats entre les unités traitées et non traitées pour estimer l’effet du biais de réduction du traitement dû à la confusion.[1][2][3]L’appariement par score de propension, une technique d’appariement précoce, a été développé dans le cadre du modèle causal de Rubin,[4] mais il a été démontré qu’elle augmentait la dépendance au modèle, le biais, l’inefficacité et la puissance et n’est plus recommandée par rapport aux autres méthodes d’appariement.[5]

Le match a été promu par Donald Rubin.[4] Il a été largement critiqué en économie par LaLonde (1986),[6] qui a comparé les estimations des effets du traitement provenant d’une expérience à des estimations comparables produites avec des méthodes d’appariement et a montré que les méthodes d’appariement sont biaisées. Dehejia et Wahba (1999) ont réévalué la critique de LaLonde et montré que l’appariement est une bonne solution.[7] Des critiques similaires ont été soulevées en science politique[8] et sociologie[9] revues.

Une analyse[[[[Éditer]

Lorsque le résultat d’intérêt est binaire, l’outil le plus général pour l’analyse des données appariées est la régression logistique conditionnelle car elle gère des strates de taille arbitraire et des traitements continus ou binaires (prédicteurs) et peut contrôler les covariables. Dans des cas particuliers, des tests plus simples comme le test de différence appariée, le test de McNemar et le test de Cochran-Mantel-Haenszel sont disponibles.

Lorsque le résultat d’intérêt est continu, l’estimation de l’effet moyen du traitement est effectuée.

L’appariement peut également être utilisé pour «prétraiter» un échantillon avant l’analyse via une autre technique, telle que l’analyse de régression.[10]

Overmatching[[[[Éditer]

Overmatching correspond à un médiateur apparent qui est en fait le résultat de l’exposition. Si le médiateur lui-même est stratifié, une relation obscure de l’exposition à la maladie serait fortement susceptible d’être induite.[11] La surappariement entraîne donc un biais statistique.[11]

Par exemple, l’appariement du groupe témoin en fonction de la durée de la gestation et / ou du nombre de naissances multiples lors de l’estimation de la mortalité périnatale et du poids à la naissance après la fécondation in vitro (FIV) est suralimenté, car la FIV elle-même augmente le risque de naissance prématurée et de naissance multiple.[12]

Il peut être considéré comme un biais d’échantillonnage en diminuant la validité externe d’une étude, car les témoins deviennent plus similaires aux cas en ce qui concerne l’exposition que la population générale.

Voir également[[[[Éditer]

Les références[[[[Éditer]

  1. ^ Rubin, Donald B. (1973). « Correspondance pour supprimer le biais dans les études d’observation ». Biométrie. 29 (1): 159-183. est ce que je:10.2307 / 2529684. JSTOR 2529684.
  2. ^ Anderson, Dallas W.; Kish, Leslie; Cornell, Richard G. (1980). « Sur la stratification, le groupement et l’appariement ». Journal scandinave de statistiques. sept (2): 61–66. JSTOR 4615774.
  3. ^ Kupper, Lawrence L.; Karon, John M .; Kleinbaum, David G .; Morgenstern, Hal; Lewis, Donald K. (1981). « Appariement dans les études épidémiologiques: considérations de validité et d’efficacité ». Biométrie. 37 (2): 271-291. CiteSeerX 10.1.1.154.1197. est ce que je:10.2307 / 2530417. JSTOR 2530417. PMID 7272415.
  4. ^ une b Rosenbaum, Paul R .; Rubin, Donald B. (1983). « Le rôle central du score de propension dans les études d’observation des effets de causalité ». Biometrika. 70 (1): 41–55. est ce que je:10.1093 / biomet / 70.1.41.
  5. ^ King, Gary; Nielsen, Richard (octobre 2019). « Pourquoi les scores de propension ne devraient pas être utilisés pour l’appariement ». Analyse politique. 27 (4): 435–454. est ce que je:10.1017 / pan.2019.11. ISSN 1047-1987.
  6. ^ LaLonde, Robert J. (1986). « Évaluer les évaluations économétriques des programmes de formation avec des données expérimentales ». Revue économique américaine. 76 (4): 604–620. JSTOR 1806062.
  7. ^ Dehejia, R. H .; Wahba, S. (1999). «Effets causaux dans les études non expérimentales: réévaluer l’évaluation des programmes de formation» (PDF). Journal de l’American Statistical Association. 94 (448): 1053-1062. est ce que je:10.1080 / 01621459.1999.10473858.
  8. ^ Arceneaux, Kevin; Gerber, Alan S .; Green, Donald P. (2006). « Comparaison des méthodes expérimentales et d’appariement en utilisant une expérience de terrain à grande échelle sur la mobilisation des électeurs ». Analyse politique. 14 (1): 37–62. est ce que je:10.1093 / pan / mpj001.
  9. ^ Arceneaux, Kevin; Gerber, Alan S .; Green, Donald P. (2010). « Une note de mise en garde sur l’utilisation de l’appariement pour estimer les effets de causalité: un exemple empirique comparant les estimations d’appariement à un repère expérimental ». Méthodes sociologiques et recherche. 39 (2): 256-282. est ce que je:10.1177 / 0049124110378098. S2CID 37012563.
  10. ^ Ho, Daniel E .; Imai, Kosuke; King, Gary; Stuart, Elizabeth A. (2007). « Correspondance en tant que prétraitement non paramétrique pour la réduction de la dépendance du modèle dans l’inférence causale paramétrique ». Analyse politique. 15 (3): 199-236. est ce que je:10.1093 / pan / mpl013.
  11. ^ une b Marsh, J. L .; Hutton, J. L .; Binks, K. (2002). « Suppression des effets de dose-réponse de rayonnement: un exemple de surappariement ». Journal médical britannique. 325 (7359): 327–330. est ce que je:10.1136 / bmj.325.7359.327. PMC 1123834. PMID 12169512.
  12. ^ Gissler, M .; Hemminki, E. (1996). « Le danger de surappariement dans les études sur la mortalité périnatale et le poids à la naissance des nourrissons nés après la conception assistée ». Eur J Obstet Gynecol Reprod Biol. 69 (2): 73–75. est ce que je:10.1016 / 0301-2115 (95) 02517-0. PMID 8902436.

Lectures complémentaires[[[[Éditer]

  • Angrist, Joshua D .; Pischke, Jörn-Steffen (2009). « La régression rencontre l’appariement ». Économétrie généralement inoffensive: le compagnon d’un empiriste. Presses universitaires de Princeton. 69–80. ISBN 978-0-691-12034-8.



Source de l’article

A découvrir