Sự khác biệt giữa hiệu quả điều trị trung bình và cận biên


14

Tôi đã đọc một số bài báo và tôi không rõ về các định nghĩa cụ thể về Hiệu quả điều trị trung bình (ATE) và Hiệu quả điều trị cận biên (MTE). Họ có giống nhau không?

Theo Austin ...

Một hiệu ứng có điều kiện là hiệu ứng trung bình, ở cấp độ chủ thể, của việc chuyển một đối tượng từ không được điều trị sang điều trị. Hệ số hồi quy cho biến chỉ định chỉ định điều trị từ mô hình hồi quy đa biến là ước tính của hiệu ứng có điều kiện hoặc điều chỉnh. Ngược lại, hiệu ứng cận biên là hiệu ứng trung bình, ở cấp độ dân số, chuyển toàn bộ dân số từ không được điều trị sang điều trị [10].Hiệu quả điều trị tuyến tính (sự khác biệt về phương tiện và sự khác biệt về tỷ lệ) là có thể thu gọn: các hiệu ứng điều trị cận biên và điều kiện sẽ trùng khớp. Tuy nhiên, khi kết quả là nhị phân hoặc thời gian xảy ra trong tự nhiên, tỷ lệ chênh lệch và tỷ lệ nguy hiểm không thể thu gọn [11]. Rosenbaum đã lưu ý rằng các phương pháp cho điểm xu hướng cho phép người ta ước tính các hiệu ứng cận biên, thay vì có điều kiện, [12]. Có rất ít nghiên cứu về việc thực hiện các phương pháp cho điểm số xu hướng khác nhau để ước tính hiệu quả điều trị cận biên.

Nhưng trong một bài báo khác của Austin , ông nói

YTôi(1)-YTôi(0)E[YTôi(1)-YTôi(0)]

Vì vậy, câu hỏi mà tôi có là ... sự khác biệt giữa hiệu quả điều trị trung bình và hiệu quả điều trị cận biên là gì?

Đồng thời, tôi nên phân loại dự toán của mình như thế nào? Tôi có một mô hình Cox điểm số có xu hướng (IPTW). Đồng biến duy nhất của tôi là chỉ số điều trị. Tỷ lệ nguy hiểm kết quả nên được coi là ATE hay MTE?

Chỉnh sửa : Để thêm vào sự nhầm lẫn, Guo, trong cuốn sách phân tích điểm số xu hướng của mình tuyên bố rằng hiệu quả điều trị cận biên là

... trường hợp đặc biệt về hiệu quả điều trị cho những người ở bên lề của sự thờ ơ (EOTM). Trong một số tình huống chính sách và thực tiễn, điều quan trọng là phải phân biệt giữa lợi nhuận biên và lợi nhuận trung bình. Ví dụ, học sinh trung bình đi học đại học có thể học tốt hơn (tức là có điểm cao hơn) so với học sinh ngoài lề thờ ơ với việc đi học hay không.

Tôi cảm thấy như thế này nên được thực hiện với một hạt muối, bởi vì điều này được dành cho khoa học xã hội (nơi tôi tin rằng cận biên có một định nghĩa khác), nhưng tôi nghĩ rằng tôi sẽ đưa nó vào đây để hiển thị lý do tại sao tôi bối rối.


Bạn nói đúng rằng "cận biên" có nghĩa là một cái gì đó khác biệt trong kinh tế. Ở đó, nó có thể có nghĩa là hiệu ứng của việc thêm 1 , không giống như vô điều kiện . Ví dụ: nếu chúng tôi sắp xếp các ứng viên đại học giảm dần theo IQ, và thừa nhận 1: i & không thừa nhận (i + 1): N, chúng tôi có thể hỏi liệu lợi ích của việc học đại học đối với ứng viên (i + 1) có giống như trung bình của lợi ích tích lũy cho các ứng viên i hàng đầu. Trong trường hợp đó, lợi ích có thể sẽ ít hơn, nhưng trong trường hợp w / tăng lợi nhuận theo tỷ lệ, lợi ích có thể lớn hơn.
gung - Phục hồi Monica

Câu trả lời:


16

Như một số thông tin bạn cung cấp, hai cái này không giống nhau. Tôi thích tốt hơn các thuật ngữ của ước tính có điều kiện (trên hiệp phương sai) và vô điều kiện (cận biên). Có một vấn đề ngôn ngữ rất tinh tế làm mờ đi vấn đề rất lớn. Các nhà phân tích có xu hướng yêu thích "hiệu ứng trung bình dân số" có xu hướng nguy hiểm để cố gắng ước tính các hiệu ứng đó từ một mẫukhông có tham chiếu đến bất kỳ phân bố dân số của các đặc điểm chủ đề. Theo nghĩa này, các ước tính không nên được gọi là ước tính trung bình dân số mà thay vào đó nên được gọi là ước tính trung bình mẫu. Điều rất quan trọng cần lưu ý là các ước tính trung bình mẫu có cơ hội thấp có thể được vận chuyển đến dân số mà từ đó mẫu đến hoặc trên thực tế cho bất kỳ dân số nào. Một lý do cho điều này là các tiêu chí lựa chọn hơi tùy tiện cho cách các đối tượng tham gia vào nghiên cứu.

Ví dụ, nếu so sánh điều trị A và điều trị B trong mô hình logistic nhị phân được điều chỉnh theo giới tính, người ta sẽ có được hiệu quả điều trị dành riêng cho cả nam và nữ. Nếu biến giới tính bị bỏ qua khỏi mô hình, sẽ thu được hiệu ứng tỷ lệ cược trung bình mẫu để điều trị. Điều này có hiệu lực là so sánh một số nam giới trong điều trị A với một số nữ giới trong điều trị B, do không thể thu gọn tỷ lệ chênh lệch. Nếu một người có dân số với nữ khác: tần số nam, hiệu quả điều trị trung bình này đến từ tỷ lệ chênh lệch biên để điều trị, sẽ không còn được áp dụng.

Vì vậy, nếu một người muốn một số lượng liên quan đến từng đối tượng riêng lẻ, cần phải có sự điều hòa đầy đủ trên các đồng biến. Và những ước tính có điều kiện này là những ước tính vận chuyển đến dân cư, không phải là ước tính "trung bình dân số".

Một cách khác để suy nghĩ về nó: nghĩ về một nghiên cứu lý tưởng để so sánh điều trị với không điều trị. Đây sẽ là một nghiên cứu chéo ngẫu nhiên nhiều giai đoạn. Sau đó suy nghĩ về nghiên cứu tốt nhất tiếp theo: một thử nghiệm ngẫu nhiên trên các cặp song sinh giống hệt nhau, trong đó một trong hai cặp sinh đôi được chọn ngẫu nhiên để điều trị A và nghiên cứu còn lại được chọn để điều trị B. Cả hai nghiên cứu lý tưởng này đều được mô phỏng theo điều kiện đầy đủ, tức là, điều chỉnh đồng biến đầy đủ để có được các hiệu ứng có điều kiện và không có biên từ thử nghiệm ngẫu nhiên có kiểm soát ngẫu nhiên nhóm song song thông thường hơn.


1
Cảm ơn bạn đã trả lời của bạn. Tôi muốn chắc chắn rằng tôi hiểu những gì bạn nói, về câu hỏi của tôi. Tôi không tìm kiếm hiệu quả điều trị cho cá nhân, thay vào đó, tôi đang tìm cách khái quát hóa cho dân số (ngay cả khi điều đó chỉ có nghĩa là mẫu, không phải là dân số thực sự). Khi tôi chạy mô hình Cox có trọng số IPTW chỉ điều trị, điều đó là vô điều kiện, do đó, nó ước tính hiệu quả điều trị MARGINAL. Khi tôi đi và thêm một số đồng biến tiền xử lý vào mô hình (nghĩa là làm cho nó trở thành một công cụ ước tính mạnh gấp đôi), thì tôi đang ước tính hiệu quả điều trị ĐIỀU KIỆN / AVERAGE.
RayVelcoro

3
Đúng vậy, chỉ là hiệu ứng xử lý cận biên trong định nghĩa của bạn thực sự có điều kiện trên toàn bộ phân phối mẫu của các giá trị đồng biến, do đó, theo nghĩa đó, nó không ước tính bất cứ ai nên quan tâm. mặt khác, đối tượng cụ thể và không có điều kiện dựa trên các giá trị đồng biến của các đối tượng khác ngoài đối tượng quan tâm.
Frank Harrell
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.