平均和边缘治疗效果之间的差异

我一直在阅读一些论文，但对平均治疗效果（ATE）和边际治疗效果（MTE）的具体定义不清楚。他们是一样的吗？

根据奥斯丁 ...

条件效应是在受试者水平上将受试者从未治疗转移到已治疗的平均效应。来自多变量回归模型的治疗分配指标变量的回归系数是对条件或调整后效应的估计。相反，边际效应是在整个人口水平上将整个人口从未治疗转移到已治疗的平均效应[10]。线性处理效果（均值差异和比例差异）是可折叠的：条件和边际处理效果将重合。但是，当结果是二元的或本质上是事件发生的时间时，优势比和危险比就无法崩溃[11]。罗森鲍姆（Rosenbaum）指出，倾向得分方法允许人们估计边际效应，而不是条件效应[12]。缺乏对不同倾向评分方法来评估边缘治疗效果的研究。

但是在奥斯丁的另一篇论文中，他说

对于每个受试者，治疗的效果被定义为。平均处理效应（ATE）被定义为È [ ÿ 我（1 ）- Ý 我（0 ）]。（Imbens，2004）。ATE是将总体人口从未治疗转移到已治疗的平均效果。$Y_i(1)- Y_i(0)$$E[Y_i(1)- Y_i(0)]$

所以我的问题是...平均治疗效果和边际治疗效果有什么区别？

同样，我应该如何分类估计？我有一个倾向得分加权（IPTW）Cox模型。我唯一的协变量是治疗指标。应将得出的危险比视为事后评估还是事后评估？

编辑：更令人困惑的是，郭在自己的倾向得分分析中声称边际治疗效果是

...对冷漠边缘人群的治疗效果的特例（EOTM）。在某些政策和实践情况下，区分边际收益和平均收益很重要。例如，上大学的普通学生可能比不关心上学或不上学的边缘学生做得更好（即，成绩更高）。

我觉得这应该加一点盐，因为这是针对社会科学的（我认为边际具有不同的定义），但是我认为我将在这里包括它来显示我为什么感到困惑。

正如您提供的某些信息所指出的那样，两者并不相同。我更喜欢有条件（协变量）和无条件（边际）估计的术语。有一个非常微妙的语言问题，使该问题严重困扰。倾向于“人口平均效应”的分析师有一种危险的趋势，试图从样本中估计这种效应并未参考任何主题特征的人口分布。在这种意义上，估计值不应称为总体平均估计值，而应称为样本平均估计值。非常重要的一点是要注意，样本平均估计值很难转移到样本所来自的人群，或者实际上是任何人群。原因之一是受试者进入研究的选择标准有些随意。

例如，如果在针对性别进行调整的二元逻辑模型中比较了治疗A和治疗B，则可以获得针对男性和女性的特定治疗效果。如果从模型中忽略了性别变量，则可获得治疗的样本平均比值比效果。实际上，这是由于比值比不具有可比性，将部分接受治疗A的男性与接受治疗B的某些女性进行了比较。如果某人的女性与男性的频率不同，则这种平均治疗效果将由边际优势比来决定，将不再适用。

因此，如果想要一个与各个主题有关的量，就需要对协变量进行完全条件化。这些条件估计是向人口迁移的估计，而不是所谓的“人口平均”估计。

另一种思考的方式：想出一个比较治疗与不治疗的理想研究。这将是一个多时期的随机交叉研究。然后考虑下一个最佳研究：在同卵双胞胎上进行的一项随机试验，其中每对双胞胎中的一对双胞胎被随机选择以接受治疗A，另一对双胞胎被选择接受治疗B。这两项理想的研究都通过充分条件进行模仿，即，通过完全协变量调整从更常见的平行组随机对照试验中获得条件而非边缘效应。