割り付け方法
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/03/14 08:41 UTC 版)
割り付け方法（被験者に処置をどのように割り付けるか）は、平均因果効果の計算に影響を与える。無作為割り付けは割り付け方法の 1 つである。各被験者について、コインを投げて、彼女が治療を受けているかどうかを判断することができる。 5人の被験者に治療を受けさせたい場合は、帽子から選んだ最初の5つの名前に治療を割り当てることができる。無作為に治療を割り付けると、異なる答えが得られる場合がある。 このデータが真実であると仮定する。 被験者 Y t ( u ) {\displaystyle Y_{t}(u)} Y c ( u ) {\displaystyle Y_{c}(u)} Y t ( u ) − Y c ( u ) {\displaystyle Y_{t}(u)-Y_{c}(u)} ジョー130 115 15 メアリー120 125 −5 サリー100 125 −25 ボブ110 130 −20 ジェームズ115 120 −5 平均115 123 −8 真の平均因果効果は -8 である。しかし、これらの個人の因果関係は、この平均に等しくなることはない。因果効果は、一般的に（常に？）実際の生活と同じようにさまざまである。処置を無作為に割り付けた後、因果効果を次のように推定することができる。 被験者 Y t ( u ) {\displaystyle Y_{t}(u)} Y c ( u ) {\displaystyle Y_{c}(u)} Y t ( u ) − Y c ( u ) {\displaystyle Y_{t}(u)-Y_{c}(u)} ジョー130 ？ ？ メアリー120 ？ ？ サリー？ 125 ？ ボブ？ 130 ？ ジェームズ115 ？ ？ 平均121.66 127.5 −5.83 処置の割り付け方が異なると、平均因果効果の推定値も異なる。 被験者 Y t ( u ) {\displaystyle Y_{t}(u)} Y c ( u ) {\displaystyle Y_{c}(u)} Y t ( u ) − Y c ( u ) {\displaystyle Y_{t}(u)-Y_{c}(u)} ジョー130 ？ ？ メアリー120 ？ ？ サリー100 ？ ？ ボブ？ 130 ？ ジェームズ？ 120 ？ 平均116.67 125 −8.33 標本数が小さく、応答の分散が大きいため、平均的な因果効果は異なる。標本数が大きく、分散が小さければ、誰が処置に無作為に割り付けられるかに関係なく、平均因果効果は真の平均因果効果に近くなる。 男性を治療に、女性をコントロールに割り付ける場合を考える。 件名 Y t ( u ) {\displaystyle Y_{t}(u)} Y c ( u ) {\displaystyle Y_{c}(u)} Y t ( u ) − Y c ( u ) {\displaystyle Y_{t}(u)-Y_{c}(u)} ジョー130 ？ ？ ボブ110 ？ ？ ジェームズ105 ？ ？ メアリー？ 130 ？ サリー？ 125 ？ スージー？ 135 ？ 平均115 130 −15 この割り付け方法では、女性が治療を受けることは不可能であるため、女性の被験者に対する平均的な因果関係を判断することは不可能となる。被験者への因果関係を推測するには、被験者が治療を受ける確率が 0 より大きく 1 より小さい必要がある。
※この「割り付け方法」の解説は、「ルービン因果モデル」の解説の一部です。
「割り付け方法」を含む「ルービン因果モデル」の記事については、「ルービン因果モデル」の概要を参照ください。
- 割り付け方法のページへのリンク
