Wat zijn ATE, ATT, CATE en wat is het verschil?

ATE (Gemiddeld Effect van Behandeling), ATT (Gemiddeld Effect van Behandeling op de Behandelden) en CATE (Voorwaardelijk Gemiddeld Effect van Behandeling) zijn metrics in causale inferentie, gebruikt om het effect van een interventie (behandeling) op de uitkomst te beoordelen.

• ATE — gemiddeld effect van de behandeling op de gehele populatie. Laat zien hoeveel de uitkomst gemiddeld zal veranderen als iedereen wordt behandeld, vergeleken met geen behandeling.

• ATT — gemiddeld effect van de behandeling alleen op degenen die daadwerkelijk behandeld zijn. Belangrijk wanneer men zich specifiek op de getroffenen richt, niet op de hele groep.

• CATE — voorwaardelijk gemiddeld effect van de behandeling voor een subgroep met bepaalde kenmerken (bijvoorbeeld leeftijd, geslacht). Hiermee kan worden begrepen hoe het effect varieert afhankelijk van de kenmerken.

Het verschil ligt in op welke groep het effect van toepassing is en hoe gedetailleerd de analyse is:

• ATE — algemeen effect voor de hele steekproef.
• ATT — effect voor de behandelden.
• CATE — effect voor specifieke subgroepen.

Dit is belangrijk voor besluitvorming en het targeten van interventies in machine learning en statistiek.