Optimal estimation in surrogate outcome regression problems

Authors

  • Xiaogang Duan,

    1. Academy of Mathematics and Systems, Chinese Academy of Science, Beijing 100190, China
    Search for more papers by this author
  • Jing Qin,

    1. National Institute of Allergy and Infectious Diseases, National Institute of Health, Bethesda, MD 20892, USA
    Search for more papers by this author
  • Qihua Wang

    Corresponding author
    1. Academy of Mathematics and Systems, Chinese Academy of Science, Beijing 100190, China
    2. Department of Mathematics and Statistics, Yunnan University, Kunming, 650091, China
    • Academy of Mathematics and Systems, Chinese Academy of Science, Beijing 100190, China.
    Search for more papers by this author

Abstract

The authors consider a double robust estimation of the regression parameter defined by an estimating equation in a surrogate outcome set-up. Under a correct specification of the propensity score, the proposed estimator has smallest trace of asymptotic covariance matrix whether the “working outcome regression model” involved is specified correct or not, and it is particularly meaningful when it is incorrectly specified. Simulations are conducted to examine the finite sample performance of the proposed procedure. Data on obesity and high blood pressure are analyzed for illustration. The Canadian Journal of Statistics 38: 633–646; 2010 © 2010 Statistical Society of Canada

Abstract

Les auteurs considèrent l'estimation doublement robuste de paramètres de régression obtenue l'aide d'une équation d'estimation dans un contexte présentant des variables de substitution. Sous une bonne spécification de la cote de propension, l'estimateur proposé possède la trace de la matrice de variance-covariance la plus petite et ce, que le ¡¡ modèle de régression utilisé ¿¿ soit correctement spécifié ou non. Ceci est particulièrement signifiant lorsque le modèle est incorrectement spécifié. Des simulations sont faites afin d'étudier la performance de la procédure proposée pour de petits échantillons. Pour illustrer cette procédure, des données sur l'obésité et l'hypertension artérielle sont analysées. La revue canadienne de statistique 38: 633–646; 2010 © 2010 Société statistique du Canada

Ancillary