2. RCT with conditional randomization さて、conditional risks [=1=1|=] および [=0=1|=] を 計算するには以下のステップを踏みます。 1) v による層別化 2) L による標準化 (or IP weighting) V = 0ローマ人 V = 1 ギリシア人
2. RCT with conditional randomization さて、conditional risks [=1=1|=] および [=0=1|=] を計算するには以下のステップを踏みます。 1) v による層別化 2) L による標準化 (or IP weighting) V = 0ローマ人 V = 1 ギリシア人
4.4 Stratification as a form of adjustment 基本的には 標準化 (standardization) と IP weighting は L を調整するため 層別化 (stratification) は V による effect modification を見るため ですが。。。 実際には層別化を標準化 (や IP weighting) の代わりに、 L の A への影響を調整するために使う こともしばしば。その場合。。。 • 層別化は各層の因果効果しか計算できません (全体の因果効果は得られない) • 層別化で conditional exchangeability を得るためには、 (その層に対する興味の有り無しに関わ らず) exchangeability を成立させるためのすべての L に対して層別化をせねばなりません *Restriction :全ての層ではなく、特定の層でだけ因果効果を計算すること
4.5 Matching as another form of adjustment Matching は他の調整の仕方で、 L が同じ分布をしているサブセットを 抽出することです。 例えば、 =1,=0 のひとりひとりに対して、無作為に =1,=0 の人を、 また =0,=0 のひとりひとりに対して、無作為に =0,=1 の人を (1 or 複数人) 割り当てる ⫫| のため、 L が match されたこのサブセットにおいては、 ⫫ が成り立ちます (のでサブセット全体での因果効果が計算でき ます) 。なお、この場合、どちらかの群にしか属さないような状態の人 は match 出来ず除かれるため、常に positivity が成立します。