平均和边际治疗效果之间的差异

机器算法验证 因果关系 冒险 倾向评分 边际效应 边际模型
2022-02-17 11:14:35

我一直在阅读一些论文,我不清楚平均治疗效果(ATE)和边际治疗效果(MTE)的具体定义。他们是一样的吗?

根据奥斯汀...

条件效应是在受试者水平上将受试者从未治疗转移到治疗的平均效果。来自多变量回归模型的治疗分配指标变量的回归系数是对条件效应或调整效应的估计。相比之下,边际效应是在人群水平上将整个人群从未经治疗的人群转移到接受治疗的人群的平均效应 [10]。线性处理效果(均值差异和比例差异)是可折叠的:条件和边际处理效果将重合。然而,当结果本质上是二元的或时间到事件时,优势比和风险比不可折叠 [11]。Rosenbaum 指出,倾向评分方法允许人们估计边际效应,而不是条件效应 [12]。很少有研究用不同的倾向评分方法来估计边际治疗效果。

但在奥斯汀的另一篇论文中,他说

对于每个受试者,治疗的效果定义为Yi(1)Yi(0). 平均治疗效果(ATE)定义为E[Yi(1)Yi(0)]. (因宾斯,2004 年)。ATE 是在人群水平上将整个人群从未治疗转移到治疗的平均效应。

所以我的问题是......平均治疗效果和边际治疗效果有什么区别?

同样,我应该如何对我的估计进行分类?我有一个倾向得分加权 (IPTW) Cox 模型。我唯一的协变量是治疗指标。应将由此产生的风险比视为 ATE 还是 MTE?

编辑:为了增加混乱,郭在他的书中倾向得分分析声称边际治疗效果是

...对处于冷漠边缘的人(EOTM)的治疗效果的特殊情况。在某些政策和实践情况下,区分边际回报和平均回报很重要。例如,上大学的普通学生可能比对上学或不上学漠不关心的边缘学生做得更好(即成绩更高)。

我觉得这应该持保留态度,因为这是针对社会科学的(我认为边缘有不同的定义),但我想我会把它包括在这里以说明我为什么感到困惑。

1个回答

正如您提供的某些信息所述,两者并不相同。我更喜欢条件(协变量)和无条件(边际)估计的术语。有一个非常微妙的语言问题使这个问题大大模糊。倾向于喜欢“人口平均效应”的分析师有一种危险的倾向,即试图从样本中估计这种效应没有参考主题特征的任何人口分布。从这个意义上说,估计不应称为总体平均估计,而应称为样本平均估计。非常重要的是要注意,样本平均估计值很少有可能转移到样本来自的人群或实际上转移到任何人群。造成这种情况的一个原因是受试者如何进入研究的选择标准有些武断。

例如,如果一个人在针对性别进行调整的二元逻辑模型中比较治疗 A 和治疗 B,则会获得对男性和女性都特定的治疗效果。如果模型中省略了性别变量,则获得治疗的样本平均优势比效应。由于优势比的不可折叠性,这实际上是对治疗 A 的一些男性与治疗 B 的一些女性的比较。如果一个人群的女性:男性频率不同,则这种来自治疗边际优势比的平均治疗效果将不再适用。

因此,如果想要一个与个体受试者相关的量,则需要对协变量进行全面调节。而这些条件估计是传递给人口的,而不是所谓的“人口平均”估计。

另一种思考方式:考虑一个比较治疗与不治疗的理想研究。这将是一项多期随机交叉研究。然后考虑下一个最好的研究:对同卵双胞胎进行随机试验,其中每对双胞胎中的一个被随机选择接受治疗 A,另一个被选择接受治疗 B。这两项理想的研究都是通过完全调节来模仿的,即,完全协变量调整以从更常见的平行组随机对照试验中获得条件效应而不是边际效应。