Многозначное лечение

Эта статья может быть слишком технической для понимания большинства читателей . Пожалуйста, помогите улучшить ее, чтобы сделать ее понятной для неспециалистов , не удаляя технические детали. ( Январь 2019 ) ( Узнайте, как и когда удалять это сообщение )

В статистике, в частности, в планировании экспериментов , многозначное лечение — это лечение, которое может принимать более двух значений. Оно связано с моделью «доза-реакция» в медицинской литературе.

В общем, уровни лечения могут быть конечными или бесконечными, а также порядковыми или кардинальными, что приводит к большому набору возможных эффектов лечения, которые необходимо изучать в приложениях. ^[1] Одним из примеров является эффект различных уровней участия в программе (например, полный и неполный рабочий день) в программе профессиональной подготовки. ^[2]

Предположим, что существует конечный набор многозначных статусов лечения с некоторым фиксированным целым числом J. Как и в структуре потенциальных результатов, обозначим набор потенциальных результатов при лечении J , а обозначает наблюдаемый результат и является индикатором, который равен 1 , когда лечение равно j, и 0, когда оно не равно j , что приводит к фундаментальной проблеме причинно-следственной связи . ^[3] Общая структура, которая анализирует модели упорядоченного выбора с точки зрения предельных эффектов лечения и средних эффектов лечения, подробно обсуждалась Хекманом и Витлацилом. ^[4]${\displaystyle T=\{0,1,2,\ldots ,J,\}}$${\displaystyle Y(j)\subset R}$${\displaystyle Y=\textstyle \sum _{j=0}^{J} \displaystyle D_{j}Y (j)}$${\displaystyle D_{j}}$

Недавние работы в литературе по эконометрике и статистике были сосредоточены на оценке и выводе для многозначных обработок и условиях игнорирования для определения эффектов обработки. В контексте оценки программы показатель склонности был обобщен, чтобы допустить многозначные обработки, ^[5] , в то время как другие работы также были сосредоточены на роли условного предположения о независимости среднего. ^[6] Другие недавние работы были больше сосредоточены на свойствах большой выборки оценщика предельного среднего эффекта обработки, обусловленного уровнем обработки в контексте модели «разница в разностях», ^[7] и на эффективной оценке многозначных эффектов обработки в полупараметрической структуре. ^[8]