- Опубликовано
- Обновлено
Применение метода оценки склонности не гарантирует каждому человеку сопоставимого аналога или достаточной сравнительной информации. Отсутствие перекрытия важных характеристик может менять круг людей, которых осмысленно описывает оцененный эффект.
Определите вопрос и допущения
Сначала определите целевую популяцию и предполагаемый эффект. Совместно изучите распределения оценок, баланс ковариат и веса. Экстремальные веса или люди без соответствий — не просто технические неудобства: они могут указывать на области, где данные не поддерживают сравнение. Обоснуйте исключение или усечение относительно научной цели и получаемой популяции.
Гипотетический пример исследования
В гипотетическом наборе данных люди с тяжелым состоянием почти всегда получают одно вмешательство. Сопоставление оставляет большинство из них вне анализа. Команда не обобщает результат оставленной выборки на всю исходную популяцию; она сообщает об измененной цели и характеристиках, для которых отсутствует достаточное представительство.
Проверки при оценке дизайна
- Отдельно покажите распределения оценок и области без перекрытия для обеих групп.
- Изучите большие веса и концентрацию влияния на получаемую оценку.
- Опишите изменения целевой популяции после сопоставления, усечения или других этапов отбора.
Зафиксируйте решение и его ограничения
Приемлемая отчетность включает доказательства баланса и перекрытия наряду с названием метода. Баланс измеренных ковариат не устанавливает баланс неизмеренных смешивающих факторов. Не выбирайте аналитические правила после ознакомления с их результатами. Совместно обсудите оставшуюся поддержку данными, предполагаемый эффект и обобщаемость вместе с численной неопределенностью оценки.
Частые вопросы
- Устанавливает ли хорошая модель склонности хороший причинный анализ?
- Сама по себе — нет. Важны также перекрытие, измерение и допущения о смешении.
- Не важны ли люди без соответствий?
- Они важны. Их исключение может менять популяцию, к которой применяются выводы.