Size matematiğe en az vurgu yaparak sezgisel bir anlayış sunmaya çalışacağım.
Gözlemsel veri ve ondan kaynaklanan analizlerle ilgili temel sorun kafa karıştırıcıdır. Karışıklık, bir değişken sadece atanan tedaviyi değil aynı zamanda sonuçları da etkilediğinde ortaya çıkar. Randomize bir deney yapıldığında, denekler tedavilere randomize edilir, böylece ortalama olarak her tedaviye atanan denekler eş değişkenlere (yaş, ırk, cinsiyet, vb.) Benzer olmalıdır. Bu randomizasyonun bir sonucu olarak, (özellikle büyük örneklerde), sonuçtaki farklılıkların herhangi bir ortak değişkene bağlı olması olası değildir, ancak uygulanan tedavi nedeniyle, ortalama olarak, tedavi gruplarındaki ortak değişkenler benzerdir.
Öte yandan, gözlemsel verilerle, deneklere tedavileri atayan rastgele bir mekanizma yoktur. Örneğin, yeni bir kalp ameliyatı sonrasında standart bir cerrahi prosedüre kıyasla hastaların hayatta kalma oranlarını incelemek için bir çalışma alın. Tipik olarak, etik nedenlerden ötürü hastaları her prosedüre randomize edemez. Sonuç olarak hastalar ve doktorlar, genellikle ortak değişkenleri ile ilgili bir dizi nedenden dolayı tedavilerden birine kendileri seçerler. Örneğin, yeni prosedür daha yaşlıysanız biraz daha riskli olabilir ve sonuç olarak doktorlar yeni tedaviyi genç hastalara daha sık önerebilir. Bu olursa ve hayatta kalma oranlarına bakarsanız, yeni tedavi daha etkili gibi görünebilir, ancak genç hastalar bu tedaviye atandığı ve genç hastalar daha uzun yaşama eğilimi gösterdiğinden, bu yanıltıcı olacaktır, Her şey eşit. Eğilim puanlarının işe yaradığı yer burasıdır.
Eğilim skorları, nedensel çıkarımın temel sorununa yardımcı olur - deneklerin tedavilere randomize edilmemesi nedeniyle kafa karıştırıcı olabilirsiniz ve bu sadece müdahale veya tedaviden ziyade gördüğünüz "etkilerin" nedeni olabilir. Analizinizi bir şekilde değiştirebilmeniz için, değişkenler (örneğin yaş, cinsiyet, cinsiyet, sağlık durumu gibi) tedavi grupları arasında “dengeli” ise, sonuçlardaki farkın müdahale / tedaviden kaynaklandığına dair güçlü kanıtlarınız olacaktır. bu değişkenlerden ziyade. Eğilim skorları, gözlemlenen kovarit seti göz önüne alındığında, her bir deneğin tedaviye atanma olasılığını belirler. Daha sonra bu olasılıklarla eşleşirseniz (eğilim puanları),
Neden ortak değişkenlerle tam olarak eşleşmediğini sorabilirsiniz (örn. Tedavi 1'de sağlıklı 40 yaşındaki erkeklerle tedavi 1'de 40 sağlıklı erkeklerle sağlıklı bir şekilde eşleştirdiğinizden emin olun)? Bu, büyük numuneler ve birkaç ortak değişken için iyi çalışır, ancak örnek boyutu küçük olduğunda ve ortak değişkenlerin sayısı orta derecede olduğunda bile neredeyse imkansız hale gelir (neden böyle olduğu için Çapraz Onaylanmış boyutlandırmanın lanetine bakın) .
Şimdi, tüm bunlar söyleniyor, eğilim skoru Aşil topuğu, gözlemlenmeyen bir çelişki olmadığı varsayımıdır. Bu varsayım, düzenlemenize olası çelişkiler olan herhangi bir ortak değişken dahil edemediğinizi belirtir. Sezgisel olarak, bunun nedeni, eğilim puanınızı oluştururken bir karıştırıcı eklemediyseniz, bunun için nasıl ayarlayabileceğinizdir. Bir denek için verilen tedavinin diğer deneklerin potansiyel sonuçlarını etkilemediğini belirten, kararlı birim tedavi değeri varsayımı gibi ek varsayımlar da vardır.