potentieeluitkomstenanalyses

Potentieeluitkomstenanalyses is een statistische benadering voor het evalueren van causaliteit door te kijken naar wat er zou gebeuren voor elk onderzoeksobject onder verschillende behandelingstoestanden. Het potentieeluitkomstenkader, ook wel het Rubin Causal Model genoemd, definieert voor elke eenheid twee potentiële uitkomsten: Y(1) onder toediening van de interventie en Y(0) onder afwezigheid daarvan. Het causaleEffect voor de eenheid is Y(1) − Y(0); in praktijk wordt vaak het gemiddelde over een populatie gebruikt, aangeduid als het Average Treatment Effect (ATE) of, afhankelijk van de groep, het Average Treatment Effect on the Treated (ATT) of het Conditional ATE (CATE).

Toepassing vereist veronderstellingen: SUTVA, ignorability/unconfoundedness en voldoende overlap. In experimentele studies wordt randomisatie gebruikt om deze aannames te ondersteunen; bij observationele studies zijn statistische benaderingen nodig zoals propensity score matching, inverse probability weighting, stratificatie, of doubly robust methoden.

Voordelen: expliciete causaliteit, transparantie in estimands; beperkingen: afhankelijkheid van veronderstellingen, gevoeligheid voor confounding en modelafhankelijkheid.

Historisch: het potentieeluitkomstenkader werd ontwikkeld vanuit Neyman en verder uitgewerkt door Donald Rubin; in de statistiek is het een standaardraamwerk voor causal inference.

Voorbeelden: evaluatie van een nieuw medicijn of een sociaal programma, waarbij men het effect van behandeling op uitkomsten zoals symptomen, arbeidsparticipatie of overleving schat.