什么是 平均处理效应（Average Treatment Effect）？
平均处理效应（Average Treatment Effect）是在已声明 Target Population 中，对每个 Unit 在 Treatment 与 Comparator 下的 Potential Outcome 差值求平均，通常写作 `E[Y(1)-Y(0)]`。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
明确 Population 与 Effect Scale
即使 Treatment 和 Outcome 相同，Risk Difference、Risk Ratio、Odds Ratio、Mean Difference 与 Survival Contrast 回答的问题也不同。还要声明 Target 是 Study Population、所有 Eligible User、实际 Treated User，还是 Deployment Population。使用错误 Population Weight 聚合 Heterogeneous Effect，会在不显眼处改变 Estimand。
Identification 把 ATE 连接到观测数据
Naimi 与 Whitcomb使用 Potential Outcomes 定义 ATE，并说明常见识别条件：Treatment 定义清晰且满足 Consistency、无相关 Interference、Exchangeability 与 Positivity。Randomization 可以在设计上建立 Assignment Independence；观察性估计需要可辩护的 Adjustment Set 或其他 Identification Strategy。
先确定 Estimand，再选择 Estimator
Difference in Means、Standardization、Matching、Inverse-probability Weighting 和 Doubly Robust 方法可在不同设计与假设下估计 ATE。应报告有限样本不确定性、Overlap、Attrition、Missing Outcome、Treatment Adherence 与 Subgroup Heterogeneity。很小的平均值可能掩盖子群中方向相反的大效应，而精确 Association 仍可能存在因果偏差。
主要特点
- 在明确 Target Population 上平均 `Y(1)-Y(0)`
- 属于 Estimand，而不是特定 Regression 或 Weighting 方法
- 由 Treatment、Comparator、Outcome、Horizon 与 Effect Scale 共同定义
- 不同于 ATT、ATC、CATE 与 Individual Treatment Effect
- 观测数据估计前必须满足 Identification Assumption
- 可能掩盖有业务意义的 Treatment-effect Heterogeneity
常见用途
- 量化随机产品实验的平均提升
- 估计面向全部 Eligible User 的策略效果
- 在采用存在选择性时比较 ATE 与 ATT
- 把 Stratum-specific Effect 标准化到部署人群
- 为 Doubly Robust Analysis 定义 Target Parameter
示例
Loading code...常见问题
ATE 与 Observed Mean Difference 有什么区别？
ATE 比较同一 Target Population 在两种 Intervention 下的结果；Observed Mean Difference 比较实际接受不同 Treatment 的两组人。只有在有效随机设计或充分识别假设下，两者才会相等，而不是根据定义自然相等。
ATE、ATT、ATC 与 CATE 有什么区别？
ATE 在 Target Population 上平均，ATT 在 Treated Unit 上平均，ATC 在 Untreated Unit 上平均，CATE 在协变量定义的群组内计算。Effect 存在异质性且 Treatment 有选择性时，这些量可能明显不同，并需要不同权重。
可以从观察性数据估计 ATE 吗？
可以，前提是 Intervention 定义清晰，并且 Conditional Exchangeability、Positivity、Consistency 与有效测量等假设可辩护。Regression、Weighting、Matching 或 Doubly Robust Estimator 只是实现这些假设，不能证明它们。
ATE 能描述每个个体的 Treatment Effect 吗？
不能。ATE 是总体平均，可能同时掩盖无效、有害和有益子群；单个 Unit 的 Potential Outcome Pair 通常不可观测。Heterogeneity 重要时，应采用预先声明的 CATE 分析和面向决策的验证。
ATE 应该总是报告 Difference 吗？
不是。连续 Outcome 常用 Mean Difference，二元或 Time-to-event Outcome 还可以使用 Risk Difference、Risk Ratio、Survival Probability 等尺度。必须预先声明 Scale 与 Horizon，因为它们会改变解释。