Utveckling av nya statistiska metoder för att analysera kausala effekter med populationsbaserade register

Tidsperiod:

1 januari 2017 – 31 december 2022

Projektledare:

Ingeborg Waernbaum

Finansiär:

Vetenskapsrådet

Bidragstyp:

Bidrag för anställning eller stipendier

Budget:

12 000 000 SEK

Länkade administrativa register spelar en viktig roll för empirisk forskning i Sverige och de nordiska länderna. I många studier med registerdata ligger det huvudsakliga intresset i att få kunskap om kausala mekanismer som beskriver individers livsbanor med avseende på t ex hälsa och välfärd.Inom det statistiska forskningsområdet kausal inferens studeras hur man skattar effekten av en behandling på olika utfall. Begreppet behandling används i en vid mening och kan avse en medicinsk behandling men även en annan åtgärd som t ex ett program eller en policy. Vi kan exempelvis vara intresserade av att mäta effekten av olika åtgärder inom arbetsmarknad och socialförsäkring som effekten av ett aktiveringsprogram för socialbidragstagare på sannolikheten att få ett arbete. Kausala effekter kan skattas i randomiserade försök där individer slumpmässigt tilldelas behandlingar. Randomiserade försök har av etiska skäl dock begränsningar i sin tillämpbarhet för studier av individer och deras livsbanor och studier med registerdata utgör därför ofta det enda möjliga alternativet. För att skatta kausala effekter av behandlingar som inte har tilldelats slumpmässigt krävs att vi jämför behandlade och kontroller som är lika med avseende på variabler som påverkar både behandlingstilldelningen och utfallet, så kallade confounders.I det här forskningsprogrammet vill vi utveckla nya statistiska metoder för att skatta kausala effekter med hjälp av registerdata. Programmet beskriver tre olika delar: Att skatta en kausal parameter - val av studiepopulation och dess konsekvenser för selektionsbias. I en registerstudie definieras en studiepopulation genom att välja ut individer ut registret. Besluten kan grundas på uppgifter som tillgång till relevanta variabler för individerna, tillräcklig uppföljningstid, antal behandlade individer eller valet av en viss tidsperiod. I den här delen av programmet, vill vi studera egenskaperna hos skattningar av genomsnittliga kausala effekter när studiepopulationen är föremål för icke-slumpmässigt urval till exempel genom inklusions/exkluderingskriterier. Att specificera statistiska modeller och robusthet med avseende på modellfel, propensity scores och regressionsmodeller. För att skatta kausala effekter används hjälpmodeller, t ex modeller för propensity scores för att kontrollera för confounding. I den här delen av forskningsprogrammet undersöker vi olika skattningsmetoders känslighet för modellfel och utvecklar robusta metoder för att skatta kausala effekter. Kontrollera för confounding med hjälp av sammanfattande funktioner av variabler. Utvärdering av transformationer och scores. I jämförelsen mellan behandlade och kontroller använder vi funktioner av bakgrundsvariabler som sammanfattar informationen för de individer vi studerar. Olika funktioner kan användas för att jämföra behandlade och kontroller. Forskningen i detta område syftar till att beskriva funktioner av bakgrundsvariabler som är tillräckliga i det avseendet att ingen viktig information förloras samtidigt som de utgör en effektiv sammanfattning.Genom forskningsprogrammet vill vi ta fram ny kunskap om hur man analyserar registerdata för att skatta kausala effekter. Resultaten är generella i den mening att de berör empirisk forskning i allmänhet och riktar sig till forskare från alla ämnen som analyserar data från administrativa register.