ความแตกต่างระหว่างค่าเฉลี่ยและผลการรักษาชายขอบ


14

ฉันอ่านบทความมาแล้วและฉันไม่แน่ใจเกี่ยวกับคำจำกัดความเฉพาะของ Average Treatment Effect (ATE) และ Marginal Treatment Effect (MTE) พวกเขาเหมือนกันหรือไม่

ตามที่ออสติน ...

ผลตามเงื่อนไขคือผลกระทบโดยเฉลี่ยที่ระดับตัวแบบในการย้ายตัวแบบจากไม่ถูกรักษาไปสู่การรักษา สัมประสิทธิ์การถดถอยสำหรับตัวแปรตัวบ่งชี้การกำหนดการรักษาจากตัวแบบการถดถอยหลายตัวแปรคือการประมาณของผลตามเงื่อนไขหรือปรับ ในทางตรงกันข้ามผลกระทบส่วนเพิ่มคือผลเฉลี่ยในระดับประชากรในการเคลื่อนย้ายประชากรทั้งหมดจากการไม่ได้รับการรักษาไปยังการรักษา [10]ผลการรักษาเชิงเส้น (ความแตกต่างของค่าเฉลี่ยและความแตกต่างของสัดส่วน) นั้นสามารถยุบได้: ผลการรักษาแบบมีเงื่อนไขและส่วนเพิ่มจะตรงกัน อย่างไรก็ตามเมื่อผลลัพธ์เป็นแบบไบนารีหรือเวลาต่อเหตุการณ์โดยธรรมชาติอัตราส่วนอัตราต่อรองและอัตราส่วนความเป็นอันตรายจะไม่สามารถยุบได้ [11] Rosenbaum ตั้งข้อสังเกตว่าวิธีการให้คะแนนความชอบอนุญาตให้หนึ่งในการประเมินผลกระทบมากกว่าเงื่อนไขเงื่อนไข [12] มีความขัดสนของการวิจัยเกี่ยวกับประสิทธิภาพของวิธีคะแนนความชอบที่แตกต่างกันเพื่อประเมินผลการรักษาชายขอบ

แต่ในอีกกระดาษออสตินเขาพูดว่า

Yผม(1)-Yผม(0)E[Yผม(1)-Yผม(0)]

ดังนั้นคำถามที่ฉันมีคือ ... อะไรคือความแตกต่างระหว่างผลการรักษาโดยเฉลี่ยกับผลการรักษาเล็กน้อย?

เช่นกันฉันจะจำแนกการประมาณค่าของฉันได้อย่างไร ฉันมีคะแนนความชอบ (IPTW) แบบจำลอง Cox covariate เดียวของฉันคือตัวบ่งชี้การรักษา ควรพิจารณาถึงอัตราส่วนความเป็นอันตรายที่เกิดขึ้นกับ ATE หรือ MTE หรือไม่

แก้ไข : เพื่อเพิ่มความสับสนกัวในหนังสือของเขาการวิเคราะห์คะแนนความชอบอ้างว่าผลการรักษาส่วนเล็กน้อยคือ

... กรณีพิเศษของผลการรักษาสำหรับคนที่ระยะขอบของความเฉยเมย (EOTM) ในบางนโยบายและสถานการณ์การปฏิบัติเป็นสิ่งสำคัญที่จะต้องแยกแยะความแตกต่างระหว่างผลตอบแทนส่วนเพิ่มและผลตอบแทนเฉลี่ย ตัวอย่างเช่นนักเรียนโดยเฉลี่ยที่ไปเรียนในวิทยาลัยอาจทำได้ดีกว่า (เช่นมีคะแนนสูงกว่า) กว่านักเรียนชายขอบที่ไม่สนใจการไปโรงเรียนหรือไม่

ฉันรู้สึกว่าควรนำเกลือเม็ดนี้ไปใช้เพราะนี่เป็นแนวทางสำหรับสังคมศาสตร์ (ซึ่งฉันเชื่อว่าชายขอบมีคำจำกัดความที่แตกต่างกัน) แต่ฉันคิดว่าฉันจะรวมไว้ที่นี่เพื่อแสดงว่าทำไมฉันถึงสับสน


คุณพูดถูกว่า "ชายขอบ" หมายถึงบางสิ่งที่แตกต่างในด้านเศรษฐศาสตร์ นั่นก็อาจหมายถึงผลกระทบของการเพิ่ม 1 มากขึ้นซึ่งไม่ได้เช่นเดียวกับที่ไม่มีเงื่อนไข ตัวอย่างเช่นถ้าเราเรียงลำดับผู้สมัครระดับวิทยาลัยที่มี IQ ต่ำกว่าและยอมรับ 1: ฉันไม่ยอมรับ (i + 1): N เราสามารถถามได้ว่าผลประโยชน์ของวิทยาลัยสำหรับผู้สมัครที่ (i + 1) นั้นเหมือนกับ ค่าเฉลี่ยของผลประโยชน์ที่เกิดขึ้นกับผู้สมัครอันดับต้น ๆ ในกรณีนั้นประโยชน์อาจน้อยลง แต่ในกรณีที่ผลตอบแทนเพิ่มขึ้นตามขนาดผลประโยชน์อาจมากขึ้น
gung - Reinstate Monica

คำตอบ:


16

เนื่องจากข้อมูลบางส่วนที่คุณระบุให้ทั้งสองนั้นไม่เหมือนกัน ฉันชอบคำศัพท์เกี่ยวกับเงื่อนไข (บน covariates) และการประมาณการ (ไม่มีขอบ) ที่ไม่มีเงื่อนไข มีปัญหาภาษาที่ละเอียดอ่อนมากที่ทำให้เกิดปัญหาอย่างมาก นักวิเคราะห์ที่มีแนวโน้มที่จะรัก "ผลกระทบของค่าเฉลี่ยประชากร" มีแนวโน้มที่เป็นอันตรายที่จะพยายามประเมินผลกระทบดังกล่าวจากกลุ่มตัวอย่างโดยไม่มีการอ้างอิงถึงการกระจายตัวของประชากรของลักษณะหัวเรื่อง ในแง่นี้การประมาณการไม่ควรเรียกว่าการประมาณการค่าเฉลี่ยประชากร แต่ควรจะเรียกว่าการประมาณการค่าเฉลี่ยตัวอย่าง มันสำคัญมากที่จะต้องทราบว่าค่าประมาณตัวอย่างโดยเฉลี่ยมีโอกาสน้อยที่จะเคลื่อนย้ายไปยังประชากรที่กลุ่มตัวอย่างมาหรือในความเป็นจริงกับประชากรใด ๆ เหตุผลหนึ่งสำหรับเรื่องนี้คือเกณฑ์การคัดเลือกโดยพลการสำหรับวิชาที่จะศึกษา

ตัวอย่างเช่นหากเปรียบเทียบการรักษา A และการรักษา B ในแบบจำลองลอจิสติกไบนารีที่ปรับสำหรับเพศหนึ่งจะได้รับผลการรักษาที่เฉพาะกับทั้งชายและหญิง หากละเว้นตัวแปรเพศจากแบบจำลองจะได้รับผลกระทบจากอัตราตัวอย่างโดยเฉลี่ยสำหรับการรักษา นี่คือผลการเปรียบเทียบของผู้ชายบางคนในการรักษากับผู้หญิงบางคนในการรักษาขเนื่องจากความไม่สามารถพับได้ของอัตราส่วนอัตราต่อรอง หากมีประชากรที่มีเพศหญิงแตกต่างกัน: ความถี่ชายผลการรักษาโดยเฉลี่ยนี้มาจากอัตราต่อรองเล็กน้อยสำหรับการรักษาจะไม่มีผลอีกต่อไป

ดังนั้นหากต้องการปริมาณที่เกี่ยวข้องกับแต่ละวิชาจำเป็นต้องมีเงื่อนไขทั้งหมด และการประมาณแบบมีเงื่อนไขเหล่านี้คือค่าที่ส่งไปยังประชากรไม่ใช่ค่าประมาณที่เรียกว่า "ค่าเฉลี่ยประชากร"

อีกวิธีหนึ่งในการคิดเกี่ยวกับมัน: คิดว่าเป็นการศึกษาที่เหมาะสำหรับเปรียบเทียบการรักษากับการไม่รักษา นี่เป็นการศึกษาครอสโอเวอร์แบบสุ่มหลายช่วงเวลา จากนั้นคิดเกี่ยวกับการศึกษาที่ดีที่สุดต่อไป: การทดลองแบบสุ่มบนฝาแฝดเหมือนกันโดยที่หนึ่งในฝาแฝดในแต่ละคู่จะถูกเลือกแบบสุ่มเพื่อรับการรักษา A และอีกอันหนึ่งถูกเลือกเพื่อรับการรักษา B. การศึกษาอุดมคติทั้งสองนี้ คือการปรับค่าความแปรปรวนร่วมแบบเต็มเพื่อให้ได้ผลตามเงื่อนไขและไม่เกิดผลกระทบเล็กน้อยจากการทดลองแบบสุ่มที่มีกลุ่มควบคุมแบบขนานมากกว่าปกติ


1
ขอบคุณสำหรับการตอบกลับของคุณ. ฉันต้องการตรวจสอบให้แน่ใจว่าฉันเข้าใจสิ่งที่คุณพูดในแง่ของคำถามของฉัน ฉันไม่ได้มองหาผลการรักษาต่อบุคคล แต่ฉันกำลังมองหาการพูดคุยกับประชากร (แม้ว่านั่นจะหมายถึงเฉพาะตัวอย่างไม่ใช่ประชากรที่แท้จริง) เมื่อฉันใช้โมเดล Cox แบบถ่วงน้ำหนัก IPTW สำหรับการรักษาเท่านั้นนั่นคือไม่มีเงื่อนไขดังนั้นจึงประเมินผลการรักษา MARGINAL เมื่อฉันไปและเพิ่ม covariates การปรับสภาพบางอย่างเข้ากับแบบจำลอง (นั่นคือทำให้มันเป็นตัวประมาณค่าที่มีประสิทธิภาพสองเท่า) จากนั้นฉันจะประเมินผลการรักษาตามเงื่อนไข / ค่าเฉลี่ย
RayVelcoro

3
ถูกต้องมันเป็นเพียงแค่ว่าผลการรักษาชายขอบในคำจำกัดความของคุณมีเงื่อนไขในการกระจายตัวอย่างทั้งหมดของค่า covariate ดังนั้นในแง่ที่ว่ามันไม่ได้ประเมินสิ่งที่ทุกคนควรให้ความสนใจเงื่อนไขการประเมินแบบมีเงื่อนไข วิชาเฉพาะและไม่ได้มีเงื่อนไขในค่า covariate ของวิชาอื่นนอกเหนือจากเรื่องที่น่าสนใจในทางตรงกันข้าม
Frank Harrell
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.