ここで用語に関するコンセンサスはないと思いますが、誰かが「平均的な部分効果」または「平均的な限界効果」と言ったときに、ほとんどの人が思い浮かべているのは次のとおりです。
具体的には、人口を分析するとします。線形モデル検討
Y=βX+U,
(Y,X)スカラー確率変数を観察しているが、そしてU非観測スカラー確率変数です。βが未知の定数であると仮定します。これが構造モデルであると仮定します。これは、原因の解釈があることを意味します。したがって、人口から人を選択し、X値を1単位増やすことができる場合、Y値はβだけ増加します。次に、βは限界と呼ばれますまたは因果の影響X上のY。
ここで、βが定数であると仮定すると、集団からどの人を選んだとしても、X 1単位の増加はY同じ効果をもたらします--- Yをβ増加させます。これは明らかに制限的です。この定数効果の仮定を緩和するには、β自体をランダム変数---各人がβ異なる値を持つと仮定します。その結果、限界効果の全体的な分布、βの分布があります。この分布の平均E(β)は、平均限界効果と呼ばれます(AME)、または平均部分効果。Xすべての人の値を1単位増加させる場合、平均的な変化はYはAMEによって与えられます。
あるいは、非線形モデルY=m(X,U),
考えてみましょう
。
ここでも(Y,X)はスカラーの観測量であり、Uはスカラーの観測不能であり、mは何らかの未知の関数です(簡単にするため微分可能と仮定します)。ここでの因果/限界効果XにYある∂m(x,u)/∂x。この値は、Uの値に依存する場合があります。したがって、Xの観測値がすべて同じである人を見ても、UXXは必ずしも同じ量だけYを増やすわけではありません。各人が異なるU値を持っている可能性があるためです。したがって、上記の線形モデルと同様に、限界効果の分布があります。そして、再び、私たちは、この分布の平均を見ることができます:
EU∣X[∂m(x,U)∂x∣X=x].
X=x
場合、この平均は平均限界効果と呼ばれます。我々は仮定した場合U無関係であるXとして時々で、次いでAMEが行われ、X=xであり、単に
EU[∂m(x,U)∂x].
一般的に、平均限界効果は、単に誘導体(又は時には差分)である構造関数の(例えば、m(x,u)またはβx+u)が観察変数に対してX、未観測にわたって平均しました変数Uおそらく持つ人々の特定のサブグループ内で、X=x。この効果の正確な形式は、検討中の特定のモデルによって異なります。
また、これらのオブジェクトは、特に有限差を考慮する場合、平均処理効果とも呼ばれる場合があることに注意してください。たとえば、X=1(「処理済み」)とX=0(「未処理」)での構造関数の差は、観測不能なものの平均です。
最後に、明確にするために、上記の「分布」について言及するとき、私は人々の人口にわたる分布を意味することに注意してください。人口の各人は、U、X、およびY値を持ちます。したがって、人口のすべての人を見ると、これらの値の分布があります。ここでの思考実験は次のとおりです。X=xすべての人を連れて行きます。次に、これらのユーザーの1人を取り、X値を少し増やしますが、U値は同じままにして、Y値の変化を書き留めます。X = xの各人に対してこれを行いますX=x、そして値を平均します。これは、U∣X=x平均を意味します。
"average partial effects"
(または、もっと良いのですが"average partial effects" definition
)が優れた参考文献を見つけるのが簡単であることと関係があるかもしれません。それにもかかわらず、ここでは専門家による明確な回答を歓迎します。