Ortalama ve marjinal tedavi etkisi arasındaki fark

Bazı makaleler okuyorum ve Ortalama Tedavi Etkisi (ATE) ve Marjinal Tedavi Etkisi'nin (MTE) spesifik tanımları konusunda net değilim. Bunlar aynı mı?

Austin'e göre ...

Koşullu bir etki, özne düzeyinde, bir özneyi tedavi edilmemiş durumdan tedavi edilene taşımanın ortalama etkisidir. Çok değişkenli bir regresyon modelinden bir tedavi atama göstergesi değişkeni için regresyon katsayısı, koşullu veya ayarlanmış bir etkinin tahminidir. Buna karşılık, marjinal bir etki, popülasyon düzeyinde, tüm popülasyonu tedavi edilmeden tedaviye taşımanın ortalama etkisidir [10].Doğrusal tedavi etkileri (ortalamalardaki farklılıklar ve oranlardaki farklılıklar) daraltılabilir: koşullu ve marjinal tedavi etkileri çakışacaktır. Bununla birlikte, sonuçlar ikili veya doğada olay zamanı olduğunda, olasılık oranı ve tehlike oranı katlanamaz [11]. Rosenbaum, eğilim skoru yöntemlerinin kişinin koşullu değil marjinal etkileri tahmin etmesine izin verdiğini belirtmiştir [12]. Marjinal tedavi etkilerini tahmin etmek için farklı eğilim skoru yöntemlerinin performansı üzerine bir araştırma eksikliği vardır.

Ama başka bir Austin gazetesinde şöyle diyor:

Her bir hasta için, tedavi etkisi olarak tanımlanmaktadır . Ortalama tedavi etkisi (ATE) olarak tanımlanır E [ Y, i ( 1 ) - Y, I ( 0 ) ] . (Imbens, 2004). ATE, popülasyon düzeyinde, tüm popülasyonu tedavi edilmeden tedaviye taşımanın ortalama etkisidir.$Y_i(1)- Y_i(0)$$E[Y_i(1)- Y_i(0)]$

Yani soru şu: Ortalama tedavi etkisi ile marjinal tedavi etkisi arasındaki fark nedir?

Ayrıca, tahminlerimi nasıl sınıflandırmalıyım? Eğilim skor ağırlıklı (IPTW) Cox modelim var. Tek değişkenim tedavi göstergesidir. Ortaya çıkan tehlike oranı ATE veya MTE olarak mı düşünülmelidir?

Edit : Karışıklık eklemek için, Guo, onun kitap eğilim puanı analizi marjinal tedavi etkisi olduğunu iddia ediyor

... kayıtsızlık sınırındaki insanlar için (EOTM) tedavi etkisinin özel durumu. Bazı politika ve uygulama durumlarında, marjinal ve ortalama getirileri birbirinden ayırmak önemlidir. Örneğin, üniversiteye giden ortalama bir öğrenci, okula gitme konusunda kayıtsız olan veya olmayan marjinal öğrenciden daha iyi (yani daha yüksek notlara sahip) olabilir.

Bunun bir tuz tanesi ile alınması gerektiğini hissediyorum, çünkü bu sosyal bilimlere yöneliktir (marjinalin farklı bir tanımı olduğuna inanıyorum), ancak neden kafamı karıştırdığımı göstermek için buraya dahil edeceğimi düşündüm.

Verdiğiniz bazı bilgilerin belirttiği gibi, ikisi aynı değildir. Koşullu (ortak değişkenler üzerinde) ve koşulsuz (marjinal) tahmin terminolojisini daha çok seviyorum. Bir Orada çok ince dil sorunu olduğunu bulutlar sorunu büyük ölçüde. "Popülasyon ortalama etkilerini" sevme eğiliminde olan analistler, bir örnekten bu tür etkileri tahmin etmeye çalışma eğilimindedirdenek özelliklerinin herhangi bir popülasyon dağılımına atıfta bulunulmadan. Bu anlamda tahminlere nüfus ortalama tahminleri değil, örnek ortalama tahminler denmelidir. Örnek ortalama tahminlerinin, örneğin geldiği popülasyona veya aslında herhangi bir popülasyona taşınabilir olma şansının düşük olduğunu belirtmek çok önemlidir. Bunun bir nedeni, deneklerin çalışmalara nasıl girdiği konusunda biraz keyfi seçim kriterleri.

Örnek olarak, eğer A tedavisi ile B tedavisi cinsiyete göre ayarlanmış bir ikili lojistik modelde karşılaştırılırsa, hem erkeklere hem de kadınlara özgü bir tedavi etkisi elde edilir. Cinsiyet değişkeni modelden çıkarılırsa, tedavi için örnek bir ortalama olasılık oranı etkisi elde edilir. Bu, olasılık oranı oranının çökmemesine bağlı olarak, tedavi A'daki bazı erkeklerin B tedavisi üzerindeki bazı kadınlarla karşılaştırılmasıdır. Birinin farklı bir kadına sahip bir popülasyonu varsa: erkek frekansı, tedavi için marjinal olasılık oranından gelen bu ortalama tedavi etkisi artık geçerli olmayacaktır.

Dolayısıyla, kişi bireysel konulara ilişkin bir miktar istiyorsa, ortak değişkenler üzerinde tam şartlandırma gereklidir. Ve bu şartlı tahminler, "nüfus ortalaması" tahminleri değil, nüfuslara taşınan tahminlerdir.

Bunu düşünmenin başka bir yolu: tedaviyi tedavi ile karşılaştırmak için ideal bir çalışma düşünün. Bu çok dönemli randomize bir çapraz çalışma olacaktır. Sonra bir sonraki en iyi çalışmayı düşünün: Her çiftteki ikizlerden birinin A tedavisini almak için rastgele, diğeri de B tedavisini almak için seçildiği özdeş ikizler üzerinde yapılan randomize bir çalışma, yani, daha olağan paralel grup randomize kontrollü çalışmadan koşullu ve marjinal olmayan etkiler elde etmek için tam eşdeğeri ayarlama.