Різниця між середнім та граничним ефектом лікування

Я читав деякі статті, і мені незрозуміло конкретні визначення середнього ефекту від лікування (ATE) та граничного ефекту від лікування (MTE). Вони однакові?

За словами Остіна ...

Умовний ефект - це середній ефект на предметному рівні переміщення предмета від необробленого до обробленого. Коефіцієнт регресії для змінної індикатора призначення лікування з багатовимірної моделі регресії є оцінкою умовного або скоригованого ефекту. На відміну від цього, граничний ефект - це середній вплив на рівні населення переміщення цілої сукупності від необробленої до лікуваної [10].Лінійні ефекти лікування (різниці в засобах та відмінності в пропорціях) є розбірними: умовні та граничні ефекти лікування будуть збігатися. Однак, коли результати мають характер двійкових чи подій за часом, коефіцієнт шансів і коефіцієнт небезпеки не згортаються [11]. Розенбаум зазначив, що методи оцінки схильності дозволяють оцінити граничні, а не умовні ефекти (12). Існує нестабільність дослідження ефективності різних методів оцінки схильності для оцінки граничних ефектів від лікування.

Але в іншому папері Остіна , каже він

$Y_i(1)- Y_i(0)$$E[Y_i(1)- Y_i(0)]$

Отже, питання, яке у мене є, ... Яка різниця між середнім ефектом лікування та граничним ефектом лікування?

Як добре я класифікувати оцінку? Я маю модель коефіцієнта зваженої схильності (IPTW). Єдиний мій ковариант - показник лікування. Чи слід вважати отриманий коефіцієнт небезпеки ATE або MTE?

Редагувати : Щоб додати плутанину, Гоо у своїй книзі аналізу оцінки схильності стверджує, що граничний ефект лікування є

... особливий випадок ефекту лікування для людей на межі байдужості (EOTM). У деяких ситуаціях з політикою та практикою важливо розрізняти граничну та середню віддачу. Наприклад, середній студент, що йде до коледжу, може зробити краще (тобто мати вищі оцінки), ніж крайовий студент, якому байдуже ходити до школи чи ні.

Я відчуваю, що це слід сприймати із зерном солі, тому що це направлено для соціальних наук (де я вважаю, що маргінали мають інше визначення), але я думав, що я включу його сюди, щоб показати, чому я плутаюся.

Як зазначається деякою інформацією, яку ви надали, ці дві неоднакові. Мені більше подобається термінологія умовних (щодо коваріатів) та безумовних (граничних) оцінок. Існує дуже тонка мовна проблема, яка сильно затьмарює проблему. Аналітики, які, як правило, люблять "середній вплив на населення", мають небезпечну тенденцію намагатися оцінити такі ефекти з вибіркибез посилання на будь-який розподіл населення за предметними характеристиками. У цьому сенсі оцінки не повинні називатися середніми оцінками населення, а натомість мають називатися вибіркові середні оцінки. Дуже важливо зауважити, що середні оцінки вибірки мають низький шанс перенести ту чи іншу групу, з якої вибірка потрапила, чи фактично до будь-якої популяції. Однією з причин цього є дещо довільні критерії відбору того, як суб'єкти потрапляють у дослідження.

Наприклад, якщо порівнювати лікування А та лікування Б у бінарній логістичній моделі, адаптованій до статі, можна отримати ефект лікування, характерний як для чоловіків, так і для жінок. Якщо статеву змінну опущено у моделі, отримують ефект середнього шансу на вибірку для лікування. Це фактично є порівнянням деяких чоловіків, які перебувають на лікуванні А, з деякими жінками, які отримують лікування B, через нерозбірливість коефіцієнта шансів. Якщо в когось була популяція з іншою жіночою: чоловіча частота, цей середній ефект лікування, що виходить із граничного співвідношення шансів на лікування, більше не застосовуватиметься.

Тож, якщо хочеться кількості, яка стосується окремих предметів, потрібне повне кондиціонування коваріатів. І ці умовні оцінки - це ті, що транспортують до населення, а не так звані "середні показники" населення.

Ще один спосіб подумати над цим: придумайте ідеальне дослідження для порівняння лікування з безрезультатним. Це було б багаторазове рандомізоване кросовер-дослідження. Потім подумайте про наступне найкраще дослідження: рандомізоване дослідження на однояйцевих близнюків, коли один з близнюків у кожній парі вибирається випадковим чином, щоб отримати лікування А, а інший обраний, щоб отримати лікування B. Обидва ці ідеальні дослідження імітуються повним кондиціонуванням, тобто повне коваріатне пристосування для отримання умовних, а не граничних ефектів від звичайнішої паралельної групи рандомізованого контрольованого дослідження.