更改

“处理效应”一词是指某一特定处理或干预 (如给予某种药物)对结果变量(如病人的康复)的'''<font color="#ff8000">因果影响 (Causal Effect)</font>'''。在因果关系的 Neyman-Rubin“潜在结果框架”中，处理效应被定义为每个独立个体的两个“潜在结果”，如果该个体给与处理，就会显现一种结果； 如果该个体不给予处理，就会显现出另一种结果。“处理效果”是这两种潜在结果之间的差异。然而，这种个体水平的处理效果是不可观察的，因为每个独立个体只能接受处理或不接受处理，但不能同时接受两者。随机分配需要确保给处理组的个体和对照组的个体在大量迭代实验上是服从同分布。事实上，两组中的个体在协变量和潜在结果上的分布是相同的。因此，处理个体之间的平均结果是控制个体的平均结果的反事实。这两个平均值之间的差异是平均处理效应 ，这是不可观测到的个体层面的处理效果的中心趋势的估计。如果样本是从总体中随机构成，那么'''<font color="#ff8000">样本平均处理效应 (Sample Average Treatment Effect， SATE)</font>'''也是'''<font color="#ff8000">总体平均处理效应 (Population Average Treatment Effect，PATE)</font>'''的估计值。

“处理效应”一词是指某一特定处理或干预 (如给予某种药物)对结果变量(如病人的康复)的'''<font color="#ff8000">因果影响 (Causal Effect)</font>'''。在因果关系的 Neyman-Rubin“潜在结果框架”中，处理效应被定义为每个独立个体的两个“潜在结果”，如果该个体给与处理，就会显现一种结果； 如果该个体不给予处理，就会显现出另一种结果。“处理效果”是这两种潜在结果之间的差异。然而，这种个体水平的处理效果是不可观察到的，因为每个独立个体只能接受处理或不接受处理，但不能同时接受两者。随机分配需要确保给处理组的个体和对照组的个体在大量迭代实验上是服从同分布。事实上，两组中的个体在协变量和潜在结果上的分布是相同的。因此，处理个体之间的平均结果是控制个体的平均结果的反事实。这两个平均值之间的差异是平均处理效应 ，这是不可观测到的个体层面的处理效果的中心趋势的估计。如果样本是从总体中随机构成，那么'''<font color="#ff8000">样本平均处理效应 (Sample Average Treatment Effect， SATE)</font>'''也是'''<font color="#ff8000">总体平均处理效应 (Population Average Treatment Effect，PATE)</font>'''的估计值。