আমি বেশিরভাগ ক্ষতিকারক একনোমেট্রিক্স পরীক্ষা করে দেখার পরামর্শ দিচ্ছি - তাদের স্বজ্ঞাত স্তরে এটির একটি ভাল ব্যাখ্যা রয়েছে।
আপনি যে সমস্যাটি সমাধান করার চেষ্টা করছেন সেটি হ'ল নির্বাচন পক্ষপাতিত্ব। যদি কোনও পরিবর্তনশীল সম্ভাব্য ফলাফল এবং চিকিত্সা পাওয়ার সম্ভাবনার সাথে সম্পর্কিত হয়, তবে যদি আপনি দেখতে পান যে চিকিত্সার প্রত্যাশিত ফলাফলটি চিকিত্সা না করা প্রত্যাশিত ফলাফলের চেয়ে ভাল, এটি হতে পারে যেহেতু চিকিত্সা উচ্চতর ঝোঁক আছে একটি কৃত্রিম গবেষনার হতে এবং সেইজন্য উচ্চতর আছে । সমস্যা দেখা দেয় কারণ চিকিত্সার সাথে সম্পর্কযুক্ত করে তোলে ।xiy0i,y1ixy0i,y1ixy0i,y1i
এই সমস্যাটি জন্য নিয়ন্ত্রণ করে সমাধান করা যেতে পারে । যদি আমরা মনে করি যে সম্ভাব্য ফলাফল এবং ভেরিয়েবল মধ্যে সম্পর্ক লিনিয়ার হয়, তবে আমরা কেবলমাত্র চিকিত্সার জন্য ডামি ভেরিয়েবলের সাথে রিগ্রেশনে অন্তর্ভুক্ত করে এবং ডামি ভেরিয়েবল সাথে ইন্টারেক্ট করে । অবশ্যই, লিনিয়ার রিগ্রেশন নমনীয় কারণ আমরা ফাংশনগুলিও অন্তর্ভুক্ত করতে পারি । কিন্তু যদি আমরা একটি কার্যকরী ফর্ম চাপাতে না চাই? তারপরে আমাদের একটি প্যারামিমেট্রিক নন: মেলানো দরকার।xxxxx
মিলের সাথে, আমরা চিকিত্সা এবং চিকিত্সাবিহীন পর্যবেক্ষণগুলিকে একই সাথে তুলনা করি । আমরা সমস্ত মান (বা মানের ছোট ছোট রেঞ্জ বা "বালতি") এর জন্য চিকিত্সার প্রভাবের একটি অনুমান নিয়ে এ থেকে দূরে এসেছি যার জন্য আমরা চিকিত্সা এবং চিকিত্সা উভয় পর্যবেক্ষণ করেছি। আমরা অনেক ধরনের না থাকে তাহলে যদি মান বা বাকেট, বিশেষ একটি উচ্চ মাত্রিক ভেক্টর তাই এটি অন্যান্য এক ঘনিষ্ঠ পর্যবেক্ষণ খুঁজে পাওয়া কঠিন হয়, তাহলে এটা এক মাত্রা সম্মুখের এই স্থান প্রকল্পের সহায়ক।xxxx
প্রপেনসিটির স্কোর মিলটি এটিই করে। তাহলে চিকিৎসা দেওয়া সঙ্গে আনকোরিলেটেড , তাহলে এটি দেখা যাচ্ছে যে তারা চিকিৎসা দেওয়া সঙ্গে আনকোরিলেটেড যেখানে হল চিকিৎসা দেওয়া সম্ভাব্যতা , অর্থাত্ প্রবৃত্তি স্কোর এর ।y0i,y1ixip(xi)p(x)xx
আপনার স্বজ্ঞাততাটি এখানে: আমরা যদি খুব অনুরূপ প্রবণতা স্কোর সহ পর্যবেক্ষণের উপ নমুনা খুঁজে পাই , তবে সেই উপ-নমুনার জন্য, চিকিত্সা করা এবং চিকিত্সা না করা গোষ্ঠীগুলি সাথে । প্রতিটি পর্যবেক্ষণ চিকিত্সা বা চিকিত্সা করা সমান সম্ভাবনা; এটি সূচিত করে যে কোনও চিকিত্সা করা পর্যবেক্ষণ উপ-নমুনায় থাকা কোনও মান থেকে সমান সম্ভাবনা রয়েছে । যেহেতু আমাদের মডেলটিতে সম্ভাব্য ফলাফলগুলি নির্ধারণ করে তাই এটি বোঝায় যে সেই সাব-নমুনার জন্য সম্ভাব্য ফলাফলp(x)xxxy0i,y1iচিকিত্সার সাথে সম্পর্কযুক্ত না। এই শর্তটি নিশ্চিত করে যে চিকিত্সা এবং চিকিত্সা না করা চিকিত্সার মধ্যে ফলাফলের সাব-নমুনা গড় পার্থক্য এই উপ-নমুনায় গড় চিকিত্সা প্রভাবের একটি ধারাবাহিক অনুমান, অর্থাৎ
E[yi|Treated,p(x)]−E[yi|Untreated,p(x)]
স্থানীয় গড় চিকিত্সা প্রভাবের একটি ধারাবাহিক অনুমান।
আরও পড়া:
অনুশীলনে আমাদের প্রকৃতপক্ষে স্পেনসিটি স্কোর ম্যাচিং ব্যবহার করা উচিত?
সম্পর্কিত প্রশ্ন তুলনা ম্যাচিং এবং রিগ্রেশন