Ai fini pedagogici, in realtà è molto meglio pensare a tre quantità:
ITT: Intent to Treat Effect - effetto del trattamento ASSEGNAZIONE sull'esito (per tutti)
TARDI: Effetto del trattamento medio locale - effetto del trattamento nessun risultato PER I COMPLITORI
ATE: Effetto del trattamento medio - effetto del trattamento sull'esito PER TUTTI
ITT è il più semplice. Se randomizziamo alcuni individui in trattamento e alcuni in controllo, possiamo certamente recuperare l'effetto causale dell'assegnazione in trattamento. Questo è ITT.
Il LATE è un po 'più complicato, ma la misura più spesso ottenuta tramite variabili strumentali / minimi quadrati a due stadi, ecc. Supponendo che non ci troviamo in un ambiente di laboratorio, anche se assegniamo alcune persone al trattamento (T = 1) e assegniamo alcuni da controllare (T = 0), le persone faranno quello che faranno! Alcuni prenderanno il trattamento (D = 1) e alcuni non prenderanno il trattamento (D = 0). Possiamo immaginare che alcune persone siano disposte a rispettare i nostri incarichi. Potremmo voler sapere che tipo di persona sono tutti nei nostri dati: sono il tipo di persona che farà ciò che diciamo, che si ribellerà, che prenderà sempre il controllo, che non prenderà mai il controllo? Per saperlo senza fare alcuna ipotesi, dovremmo effettivamente sapere, per ogni persona, cosa farebbero se assegnati al trattamento e cosa farebbero se assegnati al controllo. Immaginiamo Fred, per esempio. In un universo, assegniamo il trattamento a Fred. Lo prende! In un universo alternativo, assegniamo il controllo Fred. Non inizia il trattamento! Fred ha rispettato! Così:
- i complier sono quelli che assumono il trattamento solo se assegnati al trattamento e non assumono il trattamento solo se assegnati al controllo. Rispetterebbero il nostro incarico.
- Sempre gli acquirenti assumono il trattamento, indipendentemente dal fatto che sia assegnato ad esso.
- Mai coloro che lo assumono non assumono il trattamento se assegnato o no. E
- i difensori farebbero il contrario di ciò che noi assegniamo loro di fare (cioè non prenderebbero il trattamento se assegnato il trattamento, prenderebbero il trattamento se assegnato il controllo).
Sfortunatamente non possiamo davvero capire il tipo di persona che ciascuna delle persone nei nostri dati è. Viviamo in un universo ... ma se facciamo un presupposto (monotonia) possiamo usare il comportamento REALE della gente per raccogliere il loro "tipo". Una volta fatto ciò, possiamo fare alcune altre ipotesi (restrizione di esclusione, randomizzazione valida, nessuna violazione di SUTVA su D o Y, pertinenza) per calcolare l'effetto medio del trattamento PER I CONFRONTI. Questo è il ritardo. Si chiama effetto di trattamento medio "locale" b / c, non calcola l'effetto del trattamento "a livello globale" (cioè per tutti) ma calcola invece l'effetto del trattamento "localmente" (cioè per alcuni, in particolare, per i complicatori). A volte è anche chiamato l'effetto di trattamento medio CATE o Complier per questo motivo.
Ora arriviamo al mitico ATE! L'ATE è l'effetto medio del trattamento - l'effetto medio del trattamento per tutti , indipendentemente dal tipo di persona che sono. Ahimè! Le nostre ipotesi non ci consentiranno di recuperare l'ATE! Anche con loro, possiamo solo recuperare l'effetto del trattamento per i complier, o il LATE! Il modo più semplice per ripristinare l'ATE è garantire che non vi siano inadempienze. Quindi il tuo effetto terapeutico medio più efficace È l'effetto terapeutico medio perché tutti sono un compositore!
Così il gioco è fatto!
- ITT - effetto di ASSEGNAZIONE sul risultato.
- TARDI - effetto del trattamento sull'esito PER I COMPLITORI.
- ATE - effetto del trattamento sull'esito di TUTTI.