গড় এবং প্রান্তিক চিকিত্সার প্রভাবের মধ্যে পার্থক্য

আমি কিছু কাগজপত্র পড়ছি, এবং গড় চিকিত্সা প্রভাব (এটিই) এবং প্রান্তিক চিকিত্সা প্রভাব (এমটিই) এর নির্দিষ্ট সংজ্ঞা সম্পর্কে আমি অস্পষ্ট। তারা কি একই?

অস্টিনের মতে ...

একটি শর্তসাপেক্ষ প্রভাবটি সাবজেক্টটি ট্রিটমেন্ট থেকে চিকিত্সা থেকে সরানোর বিষয়ে বিষয় পর্যায়ে গড় প্রভাব average একটি মাল্টিভেরিয়েবল রিগ্রেশন মডেল থেকে চিকিত্সা অ্যাসাইনমেন্ট ইন্ডিকেটর ভেরিয়েবলের জন্য রিগ্রেশন সহগ একটি শর্তসাপেক্ষ বা সমন্বিত প্রভাবের একটি অনুমান। বিপরীতে, একটি প্রান্তিক প্রভাব হ'ল জনসংখ্যার স্তরে, সম্পূর্ণ জনগোষ্ঠীকে চিকিত্সা না করা থেকে চিকিত্সা [10] এ স্থানান্তরিত করার গড় প্রভাব।লিনিয়ার চিকিত্সার প্রভাবগুলি (উপায়গুলির মধ্যে পার্থক্য এবং অনুপাতের পার্থক্য) সংযোগযোগ্য: শর্তসাপেক্ষ এবং প্রান্তিক চিকিত্সার প্রভাবগুলি মিলবে। যাইহোক, যখন ফলাফলগুলি বাইনারি হয় বা প্রকৃতির ঘটনার সময় হয়, তবে প্রতিকূল অনুপাত এবং বিপদ অনুপাতটি সঙ্কুচিত হয় না [১১] রোজেনবাউম উল্লেখ করেছে যে প্রপেনসিটি স্কোর পদ্ধতিগুলি শর্তসাপেক্ষের চেয়ে প্রান্তিকের চেয়ে প্রান্তিকের অনুমান করতে দেয় [१२] প্রান্তিক চিকিত্সার প্রভাবগুলি অনুমান করার জন্য বিভিন্ন প্রবণতা স্কোর পদ্ধতির কর্মক্ষমতা নিয়ে গবেষণার এক অভাব রয়েছে।

তবে অন্য একটি অস্টিন পেপারে তিনি বলেছেন

প্রতিটি বিষয়ের জন্য, চিকিত্সার প্রভাবটি হিসাবে সংজ্ঞায়িত করা হয়েছে । গড় চিকিত্সার প্রভাব (এটিই) হিসাবে সংজ্ঞায়িত হয় । (Imbens, 2004)। এটিই হ'ল জনসংখ্যার পর্যায়ে, সম্পূর্ণ জনগোষ্ঠীকে চিকিত্সা না করা থেকে চিকিত্সার দিকে নিয়ে যাওয়ার গড় প্রভাব। $Y_i(1)- Y_i(0)$ $E[Y_i(1)- Y_i(0)]$

সুতরাং আমার কাছে প্রশ্নটি ... গড় চিকিত্সার প্রভাব এবং প্রান্তিক চিকিত্সার প্রভাবের মধ্যে পার্থক্য কী?

পাশাপাশি, আমি কীভাবে আমার অনুমানকে শ্রেণিবদ্ধ করব? আমার প্রপেনসিটি স্কোর ওয়েট (আইপিটিডাব্লু) কক্স মডেল রয়েছে। আমার একমাত্র covariate চিকিত্সা সূচক। ফলস্বরূপ বিপদ অনুপাতকে এটিই বা এমটিই হিসাবে বিবেচনা করা উচিত?

সম্পাদনা : বিভ্রান্তি যুক্ত করতে গুও তাঁর বইয়ের প্রপঞ্চতা স্কোর বিশ্লেষণে দাবি করেছেন যে প্রান্তিক চিকিত্সার প্রভাব রয়েছে

... উদাসীনতার মার্জিনে (EOTM) মানুষের জন্য চিকিত্সা প্রভাবের বিশেষ কেস। কিছু নীতি ও অনুশীলনের পরিস্থিতিতে প্রান্তিক এবং গড় আয়গুলির মধ্যে পার্থক্য করা গুরুত্বপূর্ণ। উদাহরণস্বরূপ, কলেজে যাওয়া গড় শিক্ষার্থী স্কুলে যাওয়ার বিষয়ে উদাসীন, প্রান্তিক শিক্ষার্থীর চেয়ে ভাল (যেমন উচ্চতর গ্রেড থাকতে পারে) করতে পারে।

আমি মনে করি এটি লবণের দানা দিয়ে নেওয়া উচিত, কারণ এটি সামাজিক বিজ্ঞানের জন্য পরিচালিত (যেখানে আমি বিশ্বাস করি যে প্রান্তিকের আলাদা সংজ্ঞা রয়েছে), তবে কেন আমি বিভ্রান্ত তা প্রদর্শন করার জন্য আমি এটিকে এখানে অন্তর্ভুক্ত করব বলে আমার মনে হয়েছিল।

— RayVelcoro
সূত্র

আপনি ঠিক বলেছেন যে "প্রান্তিক" অর্থ অর্থনীতিতে কিছু আলাদা। সেখানে, এর অর্থ আরও 1 যুক্ত করার প্রভাব হতে পারে , যা শর্তহীন নয় । উদাহরণস্বরূপ, আমরা যদি আইকিউ দিয়ে নেমে কলেজ আবেদনকারীদের বাছাই করেছিলাম এবং 1 টি ভর্তি করেছিলাম: আমি স্বীকার করি নি (i + 1): এন, আমরা জিজ্ঞাসা করতে পারি যে (i + 1) তম আবেদনকারীর জন্য কলেজের সুবিধাটি একই রকম কিনা? শীর্ষস্থানীয় আমি আবেদনকারীদের দ্বারা উপার্জনের গড় হার। সেক্ষেত্রে বেনিফিট সম্ভবত কম হবে, তবে w / স্ক্রিনে রিটার্ন বাড়ানোর ক্ষেত্রে সুবিধাটি আরও বেশি হতে পারে।

— গুং - মনিকা পুনরায়

আপনার প্রদত্ত কিছু তথ্যের হিসাবে বলা হয়েছে যে, দুটি একই নয়। আমি শর্তযুক্ত (সংবিধানে) এবং নিঃশর্ত (প্রান্তিক) অনুমানের পরিভাষাটি পছন্দ করি। একটি খুব সূক্ষ্ম ভাষা সমস্যা রয়েছে যা সমস্যাটিকে ব্যাপকভাবে আচ্ছন্ন করে। যে বিশ্লেষকরা "জনসংখ্যার গড় প্রভাবগুলি" পছন্দ করেন তাদের একটি নমুনা থেকে এই জাতীয় প্রভাবগুলি অনুমান করার চেষ্টা করার একটি বিপজ্জনক প্রবণতা রয়েছেবিষয় বৈশিষ্ট্যের কোনও জনসংখ্যা বিতরণের কোনও রেফারেন্স ছাড়াই। এই অর্থে অনুমানগুলিকে জনসংখ্যার গড় অনুমান বলা উচিত নয় বরং পরিবর্তে নমুনা গড় অনুমান বলা উচিত। এটি লক্ষ করা খুব গুরুত্বপূর্ণ যে নমুনা গড় অনুমানের যে পরিমাণ জনসংখ্যা থেকে নমুনা এসেছিল বা বাস্তবে যে কোনও জনগোষ্ঠীর কাছে পরিবহণযোগ্য হওয়ার সম্ভাবনা কম। এর এক কারণ হ'ল বিষয়গুলি কীভাবে পড়াশুনায় আসে তার জন্য কিছুটা স্বেচ্ছাসেবী নির্বাচনের মানদণ্ড।

উদাহরণস্বরূপ, যদি কেউ লিঙ্গের জন্য সমন্বিত একটি বাইনারি লজিস্টিক মডেলটিতে চিকিত্সা এ এবং চিকিত্সা বিয়ের তুলনা করে তবে একজন চিকিত্সার প্রভাব প্রাপ্ত করে যা পুরুষ এবং মহিলা উভয়েরই জন্য নির্দিষ্ট। যদি যৌন পরিবর্তনশীলটিকে মডেল থেকে বাদ দেওয়া হয় তবে চিকিত্সার জন্য একটি নমুনা গড় বৈষম্য অনুপাতের প্রভাব পাওয়া যায়। প্রতিক্রিয়া অনুপাতের সঙ্কোচনের কারণে এটি কার্যকরভাবে বি এর চিকিত্সা স্তরের কিছু মহিলার সাথে চিকিত্সা-এ কিছু পুরুষের একটি তুলনা। যদি কারও জনসংখ্যার আলাদা মহিলা থাকে: পুরুষ ফ্রিকোয়েন্সি, চিকিত্সার জন্য প্রান্তিক প্রতিকূল অনুপাত থেকে প্রাপ্ত এই গড় চিকিত্সা প্রভাব আর প্রয়োগ করা হবে না।

সুতরাং যদি কেউ এমন একটি পরিমাণ চায় যা পৃথক বিষয়ের সাথে সম্পর্কিত হয়, তবে কোভেরিয়েটগুলিতে সম্পূর্ণ কন্ডিশনার প্রয়োজন। এবং এই শর্তসাপেক্ষ প্রাক্কলনগুলি জনসংখ্যায় পরিবহন হয়, তথাকথিত "জনসংখ্যার গড়" অনুমান নয়।

এ সম্পর্কে ভাবার আরেকটি উপায়: চিকিত্সার সাথে চিকিত্সার তুলনা করার জন্য একটি আদর্শ অধ্যয়নের কথা ভাবেন। এটি একটি বহু-কালীন এলোমেলোভাবে ক্রসওভার অধ্যয়ন হবে। তারপরে পরবর্তী সেরা অধ্যয়নটি সম্পর্কে চিন্তা করুন: অভিন্ন যমজদের উপর একটি এলোমেলোভাবে পরীক্ষা করা যেখানে প্রতিটি জোড়ের যমজদের মধ্যে দুটি এলোমেলোভাবে চিকিত্সা করার জন্য নির্বাচিত হয় এবং অন্যজনকে চিকিত্সা করার জন্য নির্বাচিত করা হয় বি। এই দুটি আদর্শ পড়াশোনাকে সম্পূর্ণ কন্ডিশনার দ্বারা অনুকরণ করা হয়, অর্থাত্, আরও সাধারণ প্যারালাল গ্রুপ এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষার থেকে শর্তাধীন এবং প্রান্তিক প্রভাবগুলি না পাওয়ার জন্য সম্পূর্ণ কোভারিয়েট সমন্বয়।

— ফ্র্যাঙ্ক হ্যারেল
সূত্র

ধন্যবাদ তোমার উত্তরের জন্য. আমার প্রশ্নের পরিপ্রেক্ষিতে আপনি যা বলেছেন তা আমি বুঝতে পেরেছি তা নিশ্চিত করতে চাই wan আমি ব্যক্তিগতভাবে চিকিত্সার প্রভাবটি খুঁজছি না, বরং আমি জনসংখ্যার মধ্যে সাধারণীকরণের দিকে লক্ষ্য রাখছি (এমনকি যদি এটির নমুনাটি বোঝায় তবেই সত্য জনসংখ্যা নয়)। আমি যখন কেবলমাত্র চিকিত্সায় একটি আইপিটিডাব্লুতে ওজনযুক্ত কক্স মডেল চালাই, এটি নিঃশর্ত, সুতরাং এটি মার্সিনাল চিকিত্সার প্রভাব সম্পর্কে অনুমান করে। যখন আমি গিয়ে মডেলটিতে কিছু প্রাক-প্রিভ্রেমেন্ট কোভারিয়েট যুক্ত করি (অর্থাত এটি একটি দ্বিগুণ দৃ .় অনুমানকারী হিসাবে তৈরি করুন), তখন আমি শর্তযুক্ত / গড় চিকিত্সার প্রভাবটি অনুমান করছি।

— রায়ভেলকোরো

এটা ঠিক, এটি ঠিক যে আপনার সংজ্ঞায় প্রান্তিক চিকিত্সার প্রভাবটি কোভারিয়েট মানগুলির সম্পূর্ণ নমুনা বিতরণের ক্ষেত্রে শর্তাধীন তাই সেই দিক থেকে এটি কারওও আগ্রহী হওয়া উচিত বলে অনুমান করে না a সুনির্দিষ্ট বিষয় এবং অন্যদিকে আগ্রহের বিষয় ব্যতীত অন্য বিষয়গুলির কোভারিয়েট মানগুলিতে শর্তাধীন নয়।

— ফ্র্যাঙ্ক হ্যারেল