Heterogeneous Treatment Effect Entropy Balancing
Heterogeneous Treatment Effect Estimation with Entropy Balancing · Ayrıca şöyle bilinir: HTE entropy balancing, CATE with entropy balancing, heterogeneous effects EB, subgroup entropy balancing
Heterogeneous Treatment Effect Entropy Balancing, entropi dengeleme — kontrol birimlerinin kovaryat anlarını tedavi grubuna eşleştirmek üzere yeniden ağırlıklandıran bir ön işleme adımı — ile tedavi etkisinin alt gruplar veya bireyler arasında nasıl değiştiğini tahmin eden yöntemleri birleştirir. Parametrik eğilim modelleri olmadan kovaryat-dengeli ağırlıklar üretir, ardından değişen değişkenler üzerindeki koşullu ortalama tedavi etkilerini (CATE'ler) tahmin etmek için bu ağırlıkları kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bu yaklaşımı şu durumlarda kullanın: (1) ikili bir tedaviye sahip gözlemsel verileriniz varsa ve tedavi etkilerinin alt gruplar veya bireysel özellikler arasında farklılaştığından şüpheleniyorsanız, (2) eğilim skorunun doğru bir şekilde belirlenmesi zorsa — entropi dengeleme bu modelden kaçınır — ve (3) alt grup analizlerini destekleyecek kadar yeterli örnekleme hem tedavi edilmiş hem de kontrol gruplarında sahipseniz (yaklaşık olarak iki alt grup için grup başına 100+). Sürekli tedavi olduğunda, örneklem çok küçük olduğunda veya ölçülmemiş karıştırıcılar için ayarlama yapmanız gerektiğinde uygun değildir — entropi dengeleme yalnızca ölçülen kovaryatları kontrol eder.
Güçlü yönler & sınırlılıklar
- Eğilim skoru modeli tahmin etmeden belirtilen anlar üzerinde tam kovaryat dengesi sağlar, model belirleme hatasını azaltır.
- Gözlem ağırlıklarını kabul eden herhangi bir heterojen etki tahmincisi (nedensel ormanlar, etkileşimli regresyon, GATES) ile doğal olarak bütünleşir.
- Kara kutu çift yönlü sağlam tahmincilerden daha şeffaftır: ağırlıklar ve elde edilen denge doğrudan incelenebilir.
- Eğilim skoru eşleştirmesinden daha zengin kovaryat kontrolü sağlayarak, ortalamaları, varyansları ve daha yüksek dereceli anları aynı anda dengelemeye izin verir.
- Ağırlık dağılımını doğrudan kısıtlayarak aşırı eğilim ağırlıklarının yaygın sorunundan kaçınır.
- Yalnızca gözlemlenen karıştırıcıları kontrol eder; tedavi ve kontrol grupları arasındaki farklılık gösteren ölçülmemiş değişkenler bir yanlılık kaynağı olmaya devam eder.
- Alt grup analizleri, tek bir ATE tahmininden önemli ölçüde daha büyük örneklemler gerektirir; güç, birçok alt grupla hızla düşer.
- Hangi kovaryat anlarının dengeleneceğini seçmek, sonuçları etkileyen ve gerekçelendirilmesi gereken bir araştırmacı kararıdır.
- Entropi dengeleme, tedavi ve kontrol grupları kovaryat uzayında zayıf örtüştüğünde yakınsamayabilir.
- Birden fazla yöntemi birleştirmek (dengeleme + heterojenlik tespiti) araştırmacı serbestlik derecelerini çarpar, veri madenciliği riskini artırır.
SSS
Entropi dengeleme, eğilim skoru ağırlıklandırmasından nasıl farklıdır?
Eğilim skoru ağırlıklandırması, bir regresyon modelinden tedavi olasılığını tahmin eder, ardından bu tahmin edilen olasılıkları ağırlık olarak kullanır. Entropi dengeleme bu modeli tamamen atlar: ağırlıkları doğrudan belirli kovaryat anları üzerinde tam dengeyi sağlayan bir optimizasyon problemi çözerek bulur. Eğilim modeli yanlış belirtilmişse, eğilim ağırlıkları yanlıdır; entropi dengeleme bu özel hatadan muaftır.
Entropi dengeleme ile sürekli bir tedavi kullanabilir miyim?
Standart entropi dengeleme, ikili tedaviler için tasarlanmıştır. Sürekli tedavilere yönelik uzantılar mevcuttur (genelleştirilmiş entropi dengeleme) ancak daha az yaygın olarak doğrulanmıştır. Sürekli bir tedavi için, esnek bir eğilim modeliyle tedavi olasılığının tersi ağırlıklandırma veya genelleştirilmiş eğilim skoruna göre eşleştirme daha yerleşiktir.
Alt grup etkilerinin gerçek mi yoksa gürültü mü olduğunu nasıl test ederim?
Ağırlıklandırılmış bir regresyona bir tedavi-moderatör etkileşim terimi dahil edin ve anlamlılığını test edin. Çok sayıda alt grup için, bir çoklu test düzeltmesi (Bonferroni veya Benjamini-Hochberg) uygulayın. Verileri görmeden önce hangi alt grupları inceleyeceğinizi önceden kaydettirmek, yanlış keşiflere karşı en güçlü korumadır.
Ne kadar örneklem büyüklüğü gerekiyor?
Genel ATT için, entropi dengeleme nispeten mütevazı örneklemlerle çalışır (grup başına 50+ yaygındır). Heterojen etki tahmini ek talepler getirir: her alt grubun güvenilir tahminler için yeterli gözlemi gerekir, bu nedenle iki alt grup için tipik olarak grup başına 100+ ve daha ince bölümler için daha fazlasına ihtiyacınız vardır.
Entropi dengelemesi sırasında yakınsama başarısız olursa ne olur?
Yakınsama hatası genellikle tedavi edilmiş ve kontrol birimleri arasında kovaryat uzayında zayıf örtüşmeyi işaret eder. Çözümler arasında aşırı kovaryat değerlerine sahip birimleri kırpma, denge kısıtlamalarını daha az ana odaklanacak şekilde gevşetme veya sınırlı örtüşmeyi açıkça modelleyen bir yönteme geçme (örneğin, örtüşme ağırlıklı tahmin) yer alır.
Kaynaklar
- Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Athey, S., & Imbens, G. W. (2016). Recursive partitioning for heterogeneous causal effects. Proceedings of the National Academy of Sciences, 113(27), 7353-7360. DOI: 10.1073/pnas.1510489113 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Estimation with Entropy Balancing. ScholarGate. https://scholargate.app/tr/causal-inference/heterogeneous-treatment-effect-entropy-balancing
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çift Sağlam Tahmin (AIPW)Nedensel çıkarım↔ karşılaştır
- Entropi DengelemeNedensel çıkarım↔ karşılaştır
- Heterogeneous Treatment Effect Propensity Score MatchingNedensel çıkarım↔ karşılaştır
- Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)Nedensel çıkarım↔ karşılaştır
- Mülkiyet Puanı Ağırlıklandırma (PSW / IPW)Nedensel çıkarım↔ karşılaştır