什么是 异质性处理效应？
异质性处理效应（Heterogeneous Treatment Effects，HTE）是 Treatment 的因果 Effect 在协变量定义的人、群体、场景或时间范围之间存在系统性差异，而非围绕单一总体平均值的随机波动。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
区分 Prognostic Risk 与 Effect Modification
Prognostic Variable 会同时改变两组的 Baseline Outcome Risk；Effect Modifier 会改变声明尺度上的 Treatment Contrast。即使 Relative Effect 恒定，高风险患者也可能获得更大的 Absolute Benefit。PATH Statement区分 Risk Modeling 与 Effect Modeling，并强调同时比较两种 Intervention 下以患者为中心的结果。
探索会带来 Multiplicity 与 Overfitting
逐个变量的 Subgroup Table 在检验大量属性时功效低，也容易产生互相矛盾的故事。灵活 CATE Learner 能建模 Interaction，却扩大了搜索空间。确认性 Modifier 应尽量预注册；探索性分析应采用 Honest Sample Splitting 或 Cross-fitting，保留 Null Finding，在适用时校正 Multiplicity，并避免把 Variable Importance 解释成因果机制。
验证异质性是否真正改变决策
有用的 HTE 必须能泛化，并在纳入 Treatment Cost、Burden、Harm 与不确定性后跨越有意义的决策阈值。应在留出的随机数据上验证 Calibration 或 Grouped Effect，检查 Overlap，把 Policy Value 与 Treat-all、Treat-none 基线比较，并测试跨站点、跨时间 Transport。仅有视觉上起伏的 CATE Distribution 不能证明异质性可行动。
主要特点
- 描述声明 Causal Contrast 的非随机差异
- 可能被接近零的 Average Treatment Effect 掩盖
- 不同于普通 Baseline Outcome Risk Variation
- 取决于 Effect Scale、Time Horizon 与 Target Population
- 可通过预设 Subgroup 或灵活 CATE Model 研究
- 个性化决策前必须完成 Out-of-sample Validation
常见用途
- 识别 Benefit-Harm Trade-off 不同的患者群体
- 检验产品功能对新手与专家用户是否产生不同效果
- 发现跨地区或 Baseline Risk 不同的政策效应
- 围绕可信 Effect Modifier 设计后续实验
- 评估个性化策略是否优于统一规则的 Policy Value
示例
Loading code...常见问题
HTE 与 CATE 有什么关系？
HTE 是现象或分析目标：Treatment Effect 随 Covariate 或情境变化；CATE 是量化这种变化的 Conditional Estimand。CATE Model 可以估计连续 Effect Surface，HTE 也可以通过预先声明的 Subgroup Contrast 研究。
Baseline Risk 不同就证明存在 Heterogeneous Treatment Effect 吗？
不能。某变量可能对两种 Treatment 下的结果都具有相同预测作用，因果 Contrast 并未变化。即便 Relative Effect 恒定，Absolute Scale 仍可能因 Baseline Risk 不同而产生更大差值，因此必须声明 Effect Scale。
为什么大量 Subgroup Analysis 不可靠？
Treatment-by-subgroup Interaction 通常统计功效较低，搜索大量切点与属性又会制造 False Discovery，小 Cell 还会恶化 Overlap 与不确定性。预注册、Shrinkage、Honest Validation、Multiplicity Control 与复现可以降低风险。
Machine Learning Model 能证明 Treatment-effect Heterogeneity 吗？
不能。模型只能在给定设计与假设下估计模式，灵活模型也会拟合噪声。可信证据需要有效识别、Held-out 或 Honest Estimation、不确定性、Calibration 或 Grouped-effect 检查，最好还要在另一批样本或实验中复现。
HTE 何时可用于行动？
只有经验证的 Effect Difference 在纳入收益、伤害、成本、容量、公平性与不确定性后跨过决策阈值时，HTE 才可行动。只有 Ranking 波动、却没有稳定 Policy-value 提升，不足以支持个性化 Treatment。