ITT ve ATE arasındaki fark nedir?

Bir etki değerlendirmesinde kullanılabilecek farklı tahmin edicileri anlamakta güçlük çekiyorum. Tedavi etme niyeti (ITT) tahmin edicisinin, programa sahip olmayan uygun kişiler ile programa uygun bireyler arasındaki uyumsuzluğa bakılmaksızın farklılıkları karşılaştırdığını biliyorum. Ancak, ortalama tedavi etkisinin (ATE) de aynı şeyi ölçtüğünü düşündüm. Ancak, ATE'nin uygunluğu dikkate aldığı görülmektedir. Bu nedenle, uygun olanlar ile tedavi görmek arasında uygun olmayanlarla sonuçları karşılaştırır. Bu doğru mu?

Doktor olduğumu ve tedavi grubundaki herkese eve gitmesini ve günde bir saat egzersiz yapmasını ve kontrol grubuna hiçbir şey söylemediğini varsayalım. Bir ay sonra kan basınçlarındaki farkı değerlendiririm. İki grup arasındaki ortalama kan basıncı farkını karşılaştırırsam, tahmin ediciyi tedavi etme niyetim olur. Bu bana egzersizin kan basıncı üzerindeki nedensel etkisini değil, insanlara kan basıncı üzerinde egzersiz yapmalarını söyleyen nedensel etkisini anlatıyor. Bu tahminin, egzersizin tedavi etkisinden daha küçük olacağını ve tedavi grubundaki insanların sadece (küçük!) Bir kısmının tavsiyemi takip edeceğini varsayıyoruz. Bu farkı dikkate almanız gerekir.

Bunun en iyi örneği araçsal değişkenlerdir. Bu prosedür ATE'yi ITT'den kurtarmayı amaçlamaktadır. Bkz. Örneğin,

Joshua D. Angrist; Guido W. Imbens; Donald B. Rubin. 1996. "Enstrümantal Değişkenler Kullanarak Nedensel Etkilerin Belirlenmesi." JASA 91 (434): 444-455.

Bence sorununuz dilde bir belirsizlik. ATE'nin bir alt kümesi olarak Tedaviye Niyet ile her zaman "Ortalama Tedavi Etkisi" ni gördüm.

Örneğin:

ITT analizi, bir denemenin tedavi kolundaki ATE'yi tahmin etmektedir . "Tedavi edilmiş tedavi" gerçekten tedavi edilenler arasında ATE'yi tahmin etmektedir .

Pedagojik amaçlar için, aslında üç miktar hakkında düşünmek daha iyidir:

ITT: Tedavi Etkisi - tedavinin etkisi ÖDEV sonuç (herkes için) GEÇ: Yerel Ortalama Tedavi Etkisi - tedavinin etkisi sonuç yok UYUMLAR İÇİN ATE: Ortalama Tedavi Etkisi - tedavinin sonuç üzerindeki etkisi HERKES İÇİN

ITT en basit olanıdır. Bazı bireyleri tedaviye, bazıları kontrol altına alırsak, tedaviye atamanın nedensel etkisini kesinlikle düzeltebiliriz . ITT bu.

LATE biraz daha karmaşıktır, ancak ölçüm çoğunlukla enstrümantal değişkenler / iki aşamalı en küçük kareler vb. Yoluyla toplanır. Tedaviye bazı kişiler atadığımızda (T = 1) ve bazıları kontrol etmek için (T = 0), insanlar ne yapacaklarını yapacaklar! Bazıları tedaviye başlayacak (D = 1) ve bazıları tedaviye başlamayacak (D = 0). Bazı insanların ödevlerimize uymaya istekli olduklarını hayal edebiliriz. Verilerimizdeki herkesin ne tür bir kişi olduğunu bilmek isteyebiliriz - bunlar söylediklerimizi yapacak, isyan edecek, daima kim alacak, kim asla almayacak türden insanlar mı? Herhangi bir varsayım yapmadan bunu bilmek için, aslında her bir kişi için tedaviye atandıklarında ne yapacaklarını ve kontrole atandıklarında ne yapacaklarını bilmemiz gerekir. Örneğin Fred'i düşünelim. Bir evrende, Fred tedavisini veriyoruz. Başlıyor! Alternatif bir evrende Fred kontrolünü atarız. Tedavi görmüyor! Fred uydu! Böylece:

• pense sadece tedaviye atandığında tedaviye başlayacak ve sadece kontrole atandığında tedaviye başlamayacak olanlardır. Bizim görevimize uyuyorlardı.
• Alıcılar, kendisine atanmış olsun veya olmasın, her zaman tedaviye başlarlar.
• Alıcılar, kendisine atanmış olsun ya da olmasın, hiçbir zaman tedavi almazlar. Ve
• defiers, onlara atadığımız şeyin tersini yapacaktır (yani, tedavi atanmışsa tedaviye başlamayacak, kontrol atanmışsa tedaviye başlayacaktır).

Maalesef, verilerimizdeki herkesin ne tür bir kişi olduğunu anlayamayız. Tek bir evrende yaşıyoruz ... ama bir varsayım yaparsak (monotoniklik) "türlerini" belirtmek için millet ACTUAL davranışını kullanabiliriz. Bunu yaptıktan sonra, BİLEŞENLER İÇİN tedavinin ortalama etkisini hesaplamak için birkaç varsayım daha yapabiliriz (hariç tutma kısıtlaması, geçerli randomizasyon, D veya Y'de SUTVA ihlali yok, alaka düzeyi). Bu LATE. Buna "lokal" ortalama tedavi etkisi denir b / c tedavi etkisini "global olarak" (yani herkes için) hesaplamaz, bunun yerine tedavinin etkisini "lokal olarak" (yani bazıları için, özellikle pense için) hesaplar. Bu nedenle bazen CATE veya Complier Ortalama Tedavi Etkisi olarak da adlandırılır.

Şimdi efsanevi ATE'ye ulaşıyoruz! ATE Ortalama Tedavi Etkisidir - kişi türüne bakılmaksızın herkes için tedavinin ortalama etkisi . Yazık! Varsayımlarımız ATE'yi kurtarmamıza izin vermeyecek! Onlarla bile, sadece pense veya LATE için tedavi etkisini geri kazanabiliriz! ATE'yi kurtarmanın en kolay yolu, uyumsuzluğun olmamasını sağlamaktır. O zaman karşılaştırıcı ortalama tedavi etkiniz herkesin bir karşılaştırıcı olduğu için Ortalama Tedavi Etkisidir!

İşte burada!

• ITT - ÖDEVİN sonuca etkisi.
• LATE - tedavinin sonuçlara etkisi UYUMLULAR İÇİN.
• ATE - tedavinin HERKES sonuçlarına etkisi.