实验过程中的自我选择偏见

假设您正在运行一个随机实验，以评估的影响（例如，针对失业人员的培训计划）对，并说来年有找到工作的机会。还要假设需要时间：也许它持续了几个月。$X$$Y$$X$

由于您是随机的，因此您一开始就不必担心自我选择偏向。但是在的过程中，有些人可能会意识到对他们有利，而另一些人可能会意识到他们在浪费时间。$X$$X$

结果，人们可能希望退出该计划的人们中，有更多比例的药物对其治疗效果会更小。这可能导致对治疗效果的高估。

我的问题是：

• 关于随机实验的文献中是否讨论过这种偏见？
• 它有规范名称吗？
• 研究人员是否尝试对此进行控制，如果是，则如何控制？

显然，这被称为损耗偏向。这与生存偏见非常相似。本文建议使用Heckman校正对其进行校正。倾向得分匹配也可能有所帮助。我对这两种方法的经验参差不齐，但是它们经常被使用。您应该确定哪种具体方法最适合您的设置。

最后一个编辑： 这 2篇论文，其中谈到边界平均治疗效果，也可能是使用的给你。

我认为本文可能对您有用。这是休克曼大学一名学生的就业市场论文，名为罗德里戈·平托（Rodrigo Pinto）。该论文的标题为“受控实验中的选择偏见：转向机会的情况”。 在MTO实验中，凭证分配机制是随机的，但只有大约一半收到凭证的机制最终实际移动了。这就产生了一个问题，因为通常的分析（治疗效果或治疗意向）只会告诉我们收到代金券的因果关系。但是，我们对新社区的因果关系感兴趣，而不是对收到优惠券感兴趣。他展示了如何将典型的“处理中的处理”参数分解为具有明确解释的组件。即，他隔离了新邻居的因果关系。

您可以查看的另一件事是“意图治疗分析”。从维基百科，

实验结果的意向治疗（ITT）分析基于初始治疗分配，而不基于最终接受的治疗。ITT分析旨在避免在干预研究中可能出现的各种误导性伪影，例如研究或交叉对参与者的非随机损耗。

这似乎与您的需求相符：您的治疗最初是随机的，人们会随机退出。