Uppskattningar av osäkerhet vid utvärdering av flervärda behandlingar

När vi utvärderar effekten av ett program är den genomsnittliga behandlingseffekten viktig. I många fall jämförs flera behandlingar med varandra. Då kan man använda ett statistiskt ramverk för analys av så kallade flervärda behandlingar. I den statistiska forskningen har man nyligen börjat studera skattningar av effekter av flervärda behandlingar och deras standardfel. 

Regression, viktning och viktad regression

Forskarna beskriver tre olika metoder för att skatta effekten av flervärda behandlingar: regression, viktning och viktad regression. Metoderna definieras som partiella M-estimatorer och därigenom kan variansen härledas. När osäkerheten i skattningarna mäts används en så kallad sandwichestimator för att skatta variansen.

Bootstrap eller sandwich?  

Sandwichestimatorer används i en simuleringsstudie där de jämförs med en annan vanlig metod för att skatta variansen, så kallad bootstrap. Simuleringen använder en design från litteraturen för flervärda behandlingar. Sandwichestimatorerna ger i vissa fall ger bättre och i vissa fall sämre resultat än bootstrap i simuleringen.  

–De blandade resultaten – där sandwichestimatorerna ibland är bättre och ibland sämre – gör att vi inte vill göra en allmän rekommendation att använda sandwich före bootstrap, säger Ingeborg Waernbaum som är en av författarna. Vi kan dock konstatera att sandwich kan vara enklare att implementera vid stora datamaterial och begränsad beräkningskapacitet, avslutar Ingeborg Waernbaum.