📊 statistics

A Weighting Framework for Clusters as Confounders in Observational Studies

本文提出了一个针对聚类观测研究的统一加权框架，该框架阐明了标准逆倾向评分加权在实现局部平衡方面的局限性，并引入了两种新方法——层级平衡权重和 Mundlak 平衡权重——这两者能够在不同的假设下同时控制全局和局部失衡。

原作者： Eli Ben-Michael, Avi Feller, Luke Keele

发布于 2026-02-06

📖 1 分钟阅读☕ 轻松阅读

原作者： Eli Ben-Michael, Avi Feller, Luke Keele

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图弄清楚一种新型肥料是否能让植物长得更高。你有一个种满了植物的花园，但它们并不在同一个位置。有些在温室 A，有些在温室 B，还有些在温室 C。

在一个理想的世界里，你只需要比较处理组（施肥）的植物和对照组（未施肥）的植物即可。但在现实世界中，温室 A 可能更阳光，温室 B 的土壤可能更好，而温室 C 可能有穿堂风。这些“温室效应”就是集群（clusters）。如果你不考虑这些因素，你可能会误以为是肥料起到了作用，而实际上植物长高仅仅是因为它们在阳光充足的温室里。

这篇论文是关于如何解决当你研究类似学校里的学生或医院里的患者这类问题时如何修复这一问题的。作者 Eli Ben-Michael、Avi Feller 和 Luke Keele 提出了一种新的方法来对数据进行“加权”，以实现公平的比较。

以下是他们思想的拆解，使用了简单的类比：

两种失衡类型

作者说，你的数据有两种方式是“不公平”或“失衡”的：

全局失衡（“平均值”问题）： 这是指在所有温室中，处理组的植物在平均水平上与对照组的植物不同。也许处理组的植物本身就普遍比较大，无论它们是在哪个温室里。
局部失衡（“室友”问题）： 这是指在特定的某个温室内部，处理组的植物与对照组的植物不同。例如，在温室 A 中，处理组的植物可能位于阳光充足的一侧，而对照组的植物则在阴凉处。

旧方法（“随机截距”法）：
长期以来，研究人员使用一种标准方法（称为随机截距 IPW），它主要解决的是全局失衡。这就像是在说：“好吧，在整个花园里，处理组植物的平均情况与对照组植物相似。”

缺陷： 它忽略了局部失衡。它并不关心在温室 A 内部，处理组的植物是否得到了所有的阳光。这就像是仅仅因为整个果园里苹果的平均重量与橙子匹配，就认为苹果和橙子是可以直接比较的。

新框架：统一的解决方案

作者开发了一个新的“加权框架”，试图同时解决这两个问题。他们提出了两个主要工具：

工具 1：层级平衡权重（“严格室友”法）

这种方法非常严格。它说：“我们不仅希望平均水平相匹配；我们还希望在每一个单独的温室内部，处理组和对照组的植物看起来也是完全一致的。”

运作方式： 它使用数学优化（类似于一个超级先进的计算器）为每株植物分配权重，使得处理组和对照组在各自的温室内看起来完全一样。
代价： 它非常挑剔。如果一个温室很小（比如只有一个只有 5 名学生的微型学校），或者如果温室里的每个人都接受了处理（没有对照组），这种方法必须将该温室从研究中剔除。这会减少你可以使用的有效数据量。

工具 2：Mundlak 平衡权重（“智能摘要”法）

这是作者的新发明。与其把每个温室都视为一个独特且神秘的存在，不如说：“让我们总结一下每个温室的特殊之处。”

类比： 想象一下，与其观察温室 A 中的每一株植物，不如只看温室 A 植物的平均高度以及那里接受了肥料处理的植物百分比。你为这个温室创建了一张“摘要卡”。
运作方式： 该方法基于这些“摘要卡”而非具体的温室 ID 来平衡处理组和对照组。
优势： 因为它使用摘要，所以它不必丢弃那些微小的温室。它可以处理“严格室友”法会拒绝的小型群体。
代价： 它依赖于一个更强的假设。它假设这些“摘要卡”捕捉到了关于温室的所有重要信息。如果温室 A 中存在某种摘要卡未能捕捉到的秘密因素，结果可能会出错。

实验表明了什么

作者在两个现实场景中测试了这些方法：

教育（小型集群）： 他们观察了学校里的学生。许多学校规模很小。
- 结果： 旧方法（仅限全局）给出的答案与新方法非常不同。新方法（即修复了局部失衡的方法）彼此达成了一致，并表明该项目的效果比旧方法声称的要小。这种“智能摘要”方法在面对小型学校时表现良好。
健康（大型集群）： 他们观察了医院里的患者。这些医院规模巨大。
- 结果： 同样，旧方法给出了误导性的结果（暗示手术是有害的）。新的方法（即修复了局部失衡的方法）则表明手术并没有实际效果（既无好也无坏）。由于医院规模很大，“严格室友”法可以正常工作，而“智能摘要”法也给出了类似的结果，这让研究人员有了信心。

核心结论

本文认为，研究人员应该停止使用旧的“仅限全局”方法，因为它经常会遗漏特定群体内部的隐藏偏差。

如果你拥有大型群体（如大型医院），请使用**层级（Hierarchical）**方法。它更安全，因为它不依赖于强假设。
如果你拥有小型群体（如小型学校）或群体中每个人都接受了处理，请使用 Mundlak 方法。它能保护你的数据不被丢弃，但前提是你必须相信你的“摘要卡”完整地讲述了整个故事。

简而言之：为了获得真相，你不仅需要平衡整个花园的数据，还需要平衡每一个单独温室内部的数据。

技术摘要：将聚类作为混杂因素时的加权框架研究

问题陈述

在观察性因果推断中，研究人员经常面临单位嵌套在组（聚类）中的混杂问题，例如学生嵌套在学校中，或患者嵌套在医院中。标准的处理方法通常针对个体层面的协变量进行调整，假设在给定这些协变量的情况下满足强可忽略性（strong ignorability）。然而，当聚类成员身份影响治疗分配和结果时，由于未观测到的聚类层面背景，这一假设可能会被违反。

本文解决的核心问题是：如何通过加权方法来适当调整聚类层面的混杂。现有文献主要依赖于带有随机效应（特别是随机截距）的模型化逆倾向得分加权（IPW）。作者认为，目前的标准——随机截距 IPW（RI-IPW）——仅针对全局平衡（整个样本中处理组与对照组之间的差异）和跨聚类的常数水平偏移。至关重要的是，它不对局部平衡（特定聚类内部处理组与对照组之间的差异）施加任何约束。当存在局部不平衡时，随机截距 IPW 可能无法降低偏差，特别是在聚类规模较小或数据稀疏的情况下。此外，试图同时实现全局和局部平衡的方法往往面临计算不可行性，或者需要剔除较小的聚类，从而改变了目标估计量（estimand）。

方法论

本文开发了一个统一的加权框架，将加权估计量的偏差分解为两个截然不同的组成部分：全局平衡和局部平衡。

1. 偏差分解框架

作者推导了处理组平均处理效应（ATT）的偏差分解。他们表明，估计反事实结果 $\mu_0$ 的偏差由以下部分组成：

全局平衡： 整个样本中处理组与对照组之间结果模型共同部分的差异。
局部平衡： 每个聚类内部处理组与对照组之间交互成分（特定于每个聚类）的差异。
归一化： 与每个聚类内权重之和是否等于处理组单位数量相关的项。

这种分解阐明了实现整体 ATT 需要同时控制全局和局部不平衡，尽管两者的相对重要性取决于聚类间异质性的程度。

2. 现有方法综述（针对聚类成员身份的调整）

本文在假设 2（给定 $X$ 和 $G$ 的强可忽略性）下对调节聚类成员身份的方法进行了分类：

随机截距 IPW (RI-IPW)： 当前的标准。它包含聚类特定的截距，但没有协变量与聚类的交互项。它针对的是全局平衡和归一化，但无法控制局部平衡。
分层分析 (Stratified Analysis)： 仅通过在每个聚类内单独估计倾向得分来针对局部平衡。这在面临完全分离或样本量较小的情况下通常是不可行的，并且忽略了全局平衡。
随机系数 IPW (Random Coefficients IPW)： 通过允许协变量效应随聚类而变化来同时针对全局和局部平衡。这通常在计算上是不可行的，且存在收敛问题。
层次平衡权重 (Hierarchical Balancing Weights)： 一种约束优化方法，通过直接最小化局部不平衡并强制执行精确的全局平衡来实现。它针对两种形式的平衡，但需要剔除没有治疗变异的聚类，从而改变了估计量。

3. 拟议方法（针对聚类充分统计量的调整）

为了解决小规模聚类的稀疏性问题，作者提出了基于假设 3（指数族聚类可忽略性）的方法。该假设认为，治疗在给定个体协变量和聚类层面充分统计量（ $\bar{S}_G$ ）的情况下是可忽略的，而非仅仅给定聚类成员身份。这使得具有相似充分统计量的聚类可以被视为“匿名”的。

广义 Mundlak 估计： 一种通过调整聚类层面充分统计量（例如协变量的均值和聚类内的治疗比例）而非固定效应来进行调整的方法。
Mundlak 平衡权重： 一种新型估计量，利用约束优化来平衡：
1. 个体层面协变量（全局个体平衡）。
2. 聚类层面充分统计量（全局聚类平衡）。
3. 个体协变量与聚类层面充分统计量之间的交互项（局部平衡）。

这种方法将局部平衡约束的维度从 $d \times K$ （协变量 $\times$ 聚类）降低到充分统计量的维度，使得保留小规模聚类变得可行。作者概述了两种变体：一种是在充分统计量上强制执行全局平衡，另一种是执行聚类内的“平均值为一”约束。

主要贡献

统一框架： 本文提供了加权偏差分解为全局和局部组件的正式框架，明确了不同估计方法究竟控制了什么。
对 RI-IPW 的批判： 作者证明了广泛使用的随机截距 IPW 方法无法控制局部不平衡，在存在聚类层面混杂时可能导致估计偏差。
层次平衡权重： 他们形式化了一种通过优化直接针对全局和局部平衡的方法，并强调了平衡度与有效样本量（ESS）之间的权衡。
Mundlak 平衡权重： 他们引入了一种利用广义 Mundlak 方法的新型估计量，通过对充分统计量而非固定效应进行调节，在小规模聚类中实现局部平衡。这避免了剔除没有治疗变异的聚类。
假设权衡： 本文明确对比了所需的假设：
- 假设 2（较弱）： 关于聚类效应是非参数性的；对层次平衡权重有效，但在处理小规模聚类时表现挣扎。
- 假设 3（较强）： 要求协变量与治疗的联合分布具有指数族结构；对 Munduk 算法有效，允许保留小规模聚类，但如果充分统计量设定错误，则存在偏差风险。

结果

模拟研究

使用具有未观测聚类层面混杂的数据生成过程：

RI-IPW： 表现不佳，其偏差高，甚至比完全忽略聚类的方法还要严重。它未能减少来自聚类层面混杂的偏差。
层次平衡权重： 当存在聚类混杂时能有效降低偏差，但在聚类无关时会产生代价（偏差）。
Mundlak 平衡权重： 在所有场景下表现良好，无论是否存在聚类层面混杂，均保持近乎无偏。它们避免了影响其他聚类方法的无关聚类所带来的惩罚。

实证应用

作者将方法应用于两个不同的数据集：

教育领域（小规模聚类）： 一项关于学前教育项目对测试成绩影响的研究（937 所学校，聚类规模较小）。
- RI-IPW 产生了较大的处理效应（0.25 标准差）以及显著的协变量不平衡。
- 层次平衡权重和 Mundlak 平衡权重产生了相似且较小的估计值（0.07 标准差），并具有极佳的平衡度。
- 两种方法的一致性表明，较强的假设 3 并未被严重违反。
- 层次权重需要剔除没有治疗变异的聚类，而 Mundlak 权重则保留了它们。
医疗服务领域（大规模聚类）： 一项关于 HPB 疾病紧急手术的研究（540 家医院，聚类规模较大）。
- RI-IPW 同样产生了离群的估计值且平衡性差。
- 层次权重和 Mundlak 权重得出了相似的、接近于零的估计值，这表明在考虑医院背景后，手术不再具有益处。
- 在这种大规模聚类的环境下，作者指出，层次平衡权重更具优势，因为它避免了使用更强的指数族假设，同时仍具备计算可行性。

重要性与主张

本文声称，研究人员通常应优先选择平衡权重方法，而非传统的带有随机截距的模型化 IPW，特别是在治疗分配在聚类内部存在变化的情况下。

何时使用层次平衡权重： 当聚类规模足够大以允许直接对聚类成员身份进行调节时，推荐使用此方法，因为它依赖于较弱的非参数假设 2。
何时使用 Mundlak 平衡权重： 当聚类规模较小或聚类内存在重叠违规时，Mundlak 方法非常吸引人，因为它可以保留这些聚类。然而，这伴随着一个前提，即研究人员必须相信指数族假设（假设 3）成立，并且所选的充分统计量能够完全捕捉聚类层面的混杂。
实践建议： 作者建议比较多种方法（无调整、RI-IPW、层次权重和 Mundlak 权重）的估计值。层次权重与 Mundlak 权重之间的一致性可以为“假设 3 并非严重违反”提供证据支持。二者之间的分歧可能预示着充分统计量的误设定或局部平衡的失败。

文章总结道，虽然 Mundlak 方法为小规模聚类提供了解决方案，但方法的选择最终取决于指数族假设的可信度以及直接对聚类成员身份进行调节的可行性。