📊 statistics

Non-overlap Average Treatment Effect Bounds

Dieser Artikel schlägt eine Methode zur Herleitung aussagekräftiger partieller Identifikationsgrenzen für den durchschnittlichen Behandlungseffekt vor, die auch dann gültig bleiben, wenn die Überlappungsannahme nicht erfüllt ist, wobei glatte Approximationen und ein Targeted Minimum Loss-Based-Schätzer verwendet werden, um $\sqrt{n}$ -Konsistenz zu erreichen und gleichmäßig gültige Konfidenzmengen zu konstruieren, ohne dass die übliche Praxis des Beschneidens der Teilpopulation erforderlich ist.

Ursprüngliche Autoren: Herbert P. Susmann, Alec McClean, Iván Díaz

Veröffentlicht 2026-05-14

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Herbert P. Susmann, Alec McClean, Iván Díaz

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, den durchschnittlichen Effekt eines neuen Medikaments (Behandlung) im Vergleich zu einem Placebo (Kontrolle) an einer großen Gruppe von Menschen zu messen. In der idealen Welt der Statistik hat jede Person eine von Null verschiedene Chance, entweder das Medikament oder das Placebo zu erhalten. Dies wird als Überlappung (Overlap) bezeichnet. Es ist wie ein fairer Münzwurf, bei dem jeder eine 50/50-Chance hat oder zumindest die Möglichkeit, in eine der beiden Gruppen zu gelangen.

In der realen Welt bricht dieser „faire Münzwurf" jedoch häufig. Manchmal gibt es bestimmte Personengruppen, die nur das Medikament erhalten (vielleicht, weil ihre Ärzte sehr sicher sind, dass dies die einzige Option ist), oder nur das Placebo (vielleicht, weil das Medikament für sie zu riskant ist). In der Statistik nennen wir dies eine Verletzung der Positivitätsannahme (Positivity Violation) oder Nicht-Überlappung (Non-Overlap).

Wenn dies geschieht, geben traditionelle Methoden zur Berechnung des „durchschnittlichen Behandlungseffekts" (Average Treatment Effect, ATE) meist die Hände über dem Kopf zusammen und sagen: „Wir können den Durchschnitt für die gesamte Gruppe nicht mehr berechnen." Ihre Standardlösung lautet: „Okay, lassen Sie uns die Personen, die nicht in die Regeln passen, einfach ignorieren und den Durchschnitt für die verbleibende Gruppe berechnen."

Das Problem mit dem alten Weg:
Die Autoren dieses Papiers argumentieren, dass das Wegwerfen von Daten ein schlechter Kompromiss ist. Wenn Sie die „nicht überlappenden" Personen ignorieren, beantworten Sie nicht länger die Frage, die Sie ursprünglich gestellt haben (den Effekt auf alle). Sie haben die Frage geändert, um sie an die Daten anzupassen.

Die neue Lösung: Die „Zaun"-Methode
Anstatt Daten zu verwerfen oder die Frage zu ändern, schlagen die Autoren eine clevere neue Methode zur Schätzung des Effekts vor, die auch dann funktioniert, wenn der „faire Münzwurf" defekt ist. Sie nennen dies Nicht-Überlappungs-Schranken (Non-Overlap Bounds).

So funktioniert es, anhand einer einfachen Analogie:

1. Die „Sichere Zone" vs. die „Wildzone"

Stellen Sie sich die Population als ein Feld vor.

Die Sichere Zone (Überlappung): Hier haben Menschen eine vernünftige Chance, entweder die Behandlung oder die Kontrolle zu erhalten. Hier können wir den Effekt des Medikaments sehr präzise messen, genau wie in einem normalen Experiment.
Die Wildzone (Nicht-Überlappung): Dies ist der Rand des Feldes, an dem die Regeln zusammenbrechen. Manche Personen erhalten nur das Medikament, andere nur das Placebo. Wir können den Effekt hier nicht direkt messen, da wir keine Vergleichsgruppe haben.

2. Das Worst-Case-Szenario

In der „Wildzone", da wir den Effekt nicht direkt messen können, sagen die Autoren: „Lassen Sie uns das Schlimmstmögliche annehmen."

Wenn das Medikament helfen soll, gehen wir davon aus, dass es in dieser wilden Gruppe nichts bewirken oder sogar schaden könnte.
Wenn das Medikament schaden soll, gehen wir davon aus, dass es nichts bewirken oder sogar helfen könnte.

Indem sie für die „Wildzone" das Worst-Case-Szenario und für die „Sichere Zone" das Best-Case-Szenario annehmen, erstellen sie einen Bereich (eine Untergrenze und eine Obergrenze) für den gesamten durchschnittlichen Effekt.

3. Der „Zaun" (Die Schwelle)

Die Methode verwendet einen „Zaun" (eine Schwelle), um zu entscheiden, wer in der Sicheren Zone und wer in der Wildzone ist.

Wenn Sie den Zaun verschieben, um mehr Personen in die Sichere Zone aufzunehmen, ist Ihre Messung präziser, aber Sie müssen größere Annahmen über die Wildzone treffen (was den Bereich verbreitert).
Wenn Sie den Zaun verschieben, um weniger Personen in die Sichere Zone aufzunehmen, sind Ihre Annahmen über die Wildzone geringer, aber Ihre Messung wird weniger präzise.

Die Autoren entwickelten eine mathematische „Smoothie"-Technik (eine Glättungstechnik), um diesen Zaun anpassbar zu machen und den Bereich zu berechnen, ohne dass die Mathematik stecken bleibt oder zusammenbricht.

4. Warum dies eine große Sache ist

Kein Wegwerfen von Daten mehr: Sie müssen die Personen der „Wildzone" nicht löschen. Sie behalten sie in der Berechnung bei, indem Sie die Unsicherheit, die sie mitbringen, berücksichtigen.
Der Bereich kann immer noch nützlich sein: Das Papier zeigt, dass in vielen realen Situationen die „Wildzone" tatsächlich ziemlich klein ist. Selbst wenn wir für diese kleine Gruppe das Schlimmste annehmen, ist der resultierende Bereich oft schmal genug, um uns zu sagen, ob das Medikament wirkt oder nicht.
Es ist robust: Selbst wenn die Daten chaotisch sind und der „faire Münzwurf" sehr defekt ist, liefert diese Methode immer noch eine gültige Antwort (einen Bereich), wo traditionelle Methoden eine nutzlose, unendlich breite Antwort liefern könnten.

Der Realwelt-Test

Die Autoren testeten dies an sechs verschiedenen realen Datensätzen.

Beispiel: Sie untersuchten eine Studie über „Rechte Herzkatheterisierung" (ein Herzverfahren) und ob es Leben rettet.
Das Ergebnis: Traditionelle Methoden sagten: „Wir können es nicht sagen; die Daten sind zu chaotisch, die Antwort könnte von totalem Tod bis zu totaler Überlebensrate alles sein."
Die neue Methode: Die neue Methode sagte: „Selbst mit den chaotischen Daten können wir zu 95 % sicher sein, dass das Verfahren die Überlebensrate um zwischen 3 % und 10 % verringert."

Zusammenfassung

Stellen Sie es sich wie einen Versuch vor, die durchschnittliche Körpergröße einer Menschenmenge zu erraten.

Alter Weg: Wenn Sie die Personen in der hinteren Reihe (Nicht-Überlappung) nicht sehen können, sagen Sie: „Ich kann den Durchschnitt nicht erraten," oder Sie erraten den Durchschnitt nur der vorderen Reihe (ändern die Frage).
Neuer Weg: Sie messen die vordere Reihe perfekt. Für die hintere Reihe sagen Sie: „Sie sind zwischen 1,20 und 2,10 Meter groß." Sie kombinieren diese, um eine endgültige Antwort zu erhalten: „Die durchschnittliche Körpergröße der gesamten Menge liegt zwischen 1,58 und 1,77 Meter."

Das Papier beweist, dass dieser „Bereich"-Ansatz mathematisch fundiert ist, auch funktioniert, wenn die Daten schlecht sind, und oft eine viel nützlichere Antwort liefert als die alten Methoden.

Technisches Fazit: Schranken für den durchschnittlichen Behandlungseffekt bei fehlender Überlappung

Problemstellung
Der durchschnittliche Behandlungseffekt (ATE), definiert als die mittlere Differenz potenzieller Ergebnisse unter Behandlung versus Kontrolle, ist ein kanonisches Ziel in der kausalen Inferenz. Die Standardidentifikation des ATE beruht auf drei Annahmen: Konsistenz, bedingter Austauschbarkeit (keine unbeobachtete Konfundierung) und Überlappung (Positivität). Die Überlappungsannahme erfordert, dass jede Einheit eine von Null verschiedene Wahrscheinlichkeit hat, entweder Behandlung oder Kontrolle zu erhalten ( $0 < P(A=1|X) < 1$ ).

Wenn die Überlappung versagt – entweder strukturell (Propensity-Scores sind für bestimmte Subpopulationen exakt 0 oder 1) oder praktisch (Propensity-Scores liegen extrem nahe bei 0 oder 1, was in endlichen Stichproben zu spärlichen Daten führt) –, ist der ATE nicht punktuell identifizierbar. Die Standardlösung in solchen Szenarien besteht darin, den ATE zugunsten alternativer Zielgrößen aufzugeben, wie etwa Effekte, die auf einer bereinigten „Überlappungs"-Subpopulation definiert sind, oder über inkrementelle Propensity-Score-Interventionen. Diese Ansätze verändern jedoch die wissenschaftliche Fragestellung und führen oft zu weniger interpretierbaren Ergebnissen. Darüber hinaus können traditionelle Punktschätzer für den ATE (z. B. doppelt robuste Schätzer) bei Verletzung der Überlappung eine schlechte Leistung in endlichen Stichproben, eine unendliche Varianz oder nicht-normalverteilte Stichprobenverteilungen aufweisen.

Methodik
Die Autoren schlagen einen neuartigen Ansatz vor, um Schranken bei fehlender Überlappung abzuleiten: partielle Identifikationsschranken für den ATE, die keine Überlappungsannahme erfordern, sofern die Zielvariable beschränkt ist (z. B. $Y \in [0, 1]$ ).

Identifikation durch Schwellenwertbildung des Propensity-Scores:
Die Population wird basierend auf einem Schwellenwert $c \in [0, 0.5]$ des Propensity-Scores in zwei Subpopulationen unterteilt:
- Überlappungs-Subpopulation: Einheiten, bei denen $\pi(X) > c$ und $\pi(X) < 1-c$ . Hier ist der Behandlungseffekt unter Standardannahmen punktuell identifizierbar.
- Nicht-Überlappungs-Subpopulation: Einheiten, bei denen $\pi(X) \le c$ oder $\pi(X) \ge 1-c$ . Hier ist der Behandlungseffekt nicht identifizierbar.
Die Autoren leiten Schranken ab, indem sie den Punktschätzer des Effekts im Überlappungsbereich mit Worst-Case-Schranken für den Nicht-Überlappungsbereich kombinieren. Konkret subtrahiert die untere Schranke $L(c)$ die Wahrscheinlichkeitsmasse der Nicht-Überlappungsgruppe mit hohem Propensity-Score, und die obere Schranke $U(c)$ addiert die Wahrscheinlichkeitsmasse der Nicht-Überlappungsgruppe mit niedrigem Propensity-Score. Die Breite dieser Schranken (die „Identifikationslücke") ist proportional zur Größe der Nicht-Überlappungs-Subpopulation.
Glatte Approximationen:
Die abgeleiteten Schranken sind aufgrund der Verwendung von Indikatorfunktionen nicht-glatte Funktionale, was unter nichtparametrischen Annahmen Herausforderungen für Schätzung und Inferenz mit sich bringt. Um dies zu adressieren, konstruieren die Autoren glatte Approximationen ( $s_\ell$ und $s_g$ ) der Indikatorfunktionen. Diese Approximationen sind so gestaltet, dass sie spezifische Eigenschaften erfüllen (sie schätzen die Indikatorfunktionen von unten), um sicherzustellen, dass die resultierenden glatten Schranken den wahren ATE weiterhin enthalten. Dies ermöglicht die Anwendung der semiparametrischen Effizienztheorie.
Schätzung und Inferenz (TMLE):
Die Autoren schlagen einen Targeted Minimum Loss-Based Estimator (TMLE) für die glatten Schranken vor. Durch die Herleitung der Effizienten Einflussfunktion (EIF) für diese glatten Funktionale konstruieren sie Schätzer, die unter nichtparametrischen Bedingungen $\sqrt{n}$ -konsistent und asymptotisch normal sind, sofern die Störparameter (Propensity-Score und Outcome-Regression) mit ausreichender Rate ( $n^{-1/4}$ ) geschätzt werden.
Uniforme Inferenz via Multiplier-Bootstrap:
Da der optimale Schwellenwert $c$ und der Glättungsparameter $\gamma$ unbekannt sind, entwickeln die Autoren ein Multiplier-Bootstrap-Verfahren. Diese Methode konstruiert uniforme Konfidenzmengen über ein Gitter von $(c, \gamma)$ -Kombinationen. Forscher können dann das schmalste gültige Intervall aus diesem Gitter berichten und dabei den Trade-off zwischen der Identifikationslücke (kleineres $c$ ) und der Schätzunsicherheit/Glättungsfehler (größeres $c$ oder $\gamma$ ) ausbalancieren.

Hauptbeiträge
Der Artikel leistet drei primäre Beiträge:

Identifikation: Herleitung partieller Identifikationsschranken für den ATE, die sich ausschließlich auf Konsistenz, bedingte Austauschbarkeit und Beschränktheit der Zielvariable stützen und die Überlappungsannahme explizit lockern.
Schätzung und Inferenz: Entwicklung von $\sqrt{n}$ -Schätzern (TMLE) und eines Multiplier-Bootstrap-Verfahrens, das über einen Bereich von Schwellenwerten und Glättungsparametern hinweg uniforme gültige Konfidenzmengen liefert. Dies ermöglicht eine gültige Inferenz, selbst wenn die Nicht-Überlappungs-Subpopulation klein ist.
Theoretischer und empirischer Vergleich: Ein formaler Vergleich von Schranken bei fehlender Überlappung mit traditionellen Punktschätzern über verschiedene Überlappungsregime hinweg (starke, etwas schwache und sehr schwache Überlappung).

Ergebnisse

Theoretische Befunde:
- Unter starker Überlappung sind die Konfidenzintervalle bei fehlender Überlappung asymptotisch äquivalent zu den Intervallen traditioneller Punktschätzer.
- Unter sehr schwacher Überlappung (wo die Effizienzschranke für den ATE unendlich ist und eine $\sqrt{n}$ -Schätzung für Punktschätzer unmöglich ist) bleiben die Schranken bei fehlender Überlappung mit $\sqrt{n}$ -Raten schätzbar und liefern gültige Konfidenzintervalle.
- Unter etwas schwacher Überlappung (endliche, aber große Effizienzschranke) können die Schranken bei fehlender Überlappung in endlichen Stichproben kürzere Konfidenzintervalle liefern als Punktschätzer, insbesondere in der Nähe des Phasenübergangs, wo die Überlappung marginal ist.
Simulationsstudien:
- In Szenarien mit extremen praktischen Überlappungsverletzungen zeigten Schranken bei fehlender Überlappung eine höhere statistische Power, kürzere Unsicherheitsbreiten und eine bessere empirische Abdeckung im Vergleich zu doppelt robusten Punktschätzern, die oft uninformative Intervalle produzierten, die den gesamten Parameterraum umspannten.
- In „durchschnittlichen" Szenarien ohne extreme Verletzungen blieben die Schranken bei fehlender Überlappung konkurrenzfähig und erreichten häufig schmalere Intervalle als traditionelle Methoden.
Anwendung in der realen Welt:
- Die Methode wurde auf sechs Beobachtungsdatensätze angewendet, einschließlich der Studie zur Rechtsherzkatheterisierung (RHC). Im RHC-Datensatz, in dem traditionelle Punktschätzer aufgrund von Überlappungsverletzungen uninformative Intervalle lieferten, boten die Schranken bei fehlender Überlappung ein enges, informatives Intervall ( $-0,10; -0,03$ ), das Null ausschloss und somit einen signifikanten Behandlungseffekt nahelegte.

Bedeutung
Die Autoren behaupten, dass diese Arbeit eine „keine-Reue"-Lösung für die ATE-Schätzung bei Vorliegen von Überlappungsverletzungen bietet. Im Gegensatz zu alternativen Ansätzen, die die Zielgröße ändern (z. B. Beschneidung auf eine Überlappungspopulation), behält diese Methode den ATE als primären Untersuchungsgegenstand bei. Sie liefert eine gültige statistische Inferenz, selbst wenn der ATE nicht punktuell identifizierbar ist, ohne a priori-Wissen über die Überlappungspopulation zu erfordern. Der Ansatz ist besonders wertvoll in realen Settings, in denen Überlappungsverletzungen oft auf kleine Subpopulationen beschränkt sind, was es Forschern ermöglicht, enge, gültige Schranken zu berichten, die das Signal aus dem Überlappungsbereich nutzen und gleichzeitig die Unsicherheit im Nicht-Überlappungsbereich berücksichtigen. Der Artikel betont, dass zwar ein Trade-off zwischen der Identifikationslücke und der Schätzvarianz besteht, das vorgeschlagene Rahmenwerk für uniforme Inferenz es Forschern jedoch ermöglicht, diesen Trade-off optimal zu navigieren.