问题描述
上下文
进行随机对照试验（RCT）时，一些参与者被随机分配到治疗条件中，而其他参与者则被分配到对照组中。但是，并非所有接受治疗的人都可以遵循治疗方案（称为“治疗依从性”）。
根据Sagarin et al. (2014)，解决此问题的一种明智方法是使用比较器平均因果效应（CACE），有时也称为局部平均治疗效应（LATE）。根据{{3}}，“只有当将样本分配给处理时，才对样本的子集进行处理，否则称为编译器”。换句话说，如果您分配给治疗组的一部分参与者没有遵循治疗方案，将会很有用。
问题
您如何在R中运行此分析？
我无法从Google和stackoverflow搜索中找到与此相关的任何精确信息。
尽管我读了很多书，但我仍然无法弄清楚预期的结果是什么。使用CACE时，结果如何？您是否最终获得了针对治疗不依从进行调整的更新分数/数据，而您只需插入常规分析（类似于因子分数）？还是只是得到一些您必须用来做的数字？
我尝试过的事情
Wikipedia似乎为此提供了最方便的功能：eefAnalytics package。 “ caceSRTBoot对简单的随机教育试验进行了详细的CACE分析。”它允许通过简单的合规百分比（非常简单和方便）来指定合规性。
但是，caceSRTBoot()在尝试对其进行测试以查看其提供的输出类型时：
install.packages("eefAnalytics")
package ‘eefAnalytics’ is not available (for R version 4.0.2)
# Install the latest version of this package by entering the following in R:
install.packages("eefAnalytics",repos="http://R-Forge.R-project.org")
package ‘eefAnalytics’ is not available (for R version 4.0.2)
Warning in install.packages :
unable to access index for repository http://R-Forge.R-project.org/bin/windows/contrib/4.0:
cannot open URL 'http://R-Forge.R-project.org/bin/windows/contrib/4.0/PACKAGES'
根据进一步的调查，I am experiencing some problems installing the eefAnalytics package：“软件包'eefAnalytics'已从CRAN存储库中删除。”
我查看过的其他软件包（例如Cran says，1，2，3）看起来很复杂，我无法弄清楚（例如，他们没有用于％遵从性的参数，因此我无法使他们的“运行此示例”小部件起作用）。那里还有其他用户友好的软件包吗？在R中还有其他方法可以执行此分析吗？有人会有某种“教程”吗？
解决方法
安装eefAnalytics软件包
我通过package documentation与eefAnalytics软件包维护者联系。有人告诉我R很快就会有更新的版本。同时，我能够使用以下方法从CRAN档案中安装软件包的旧版本：
install.packages("https://cran.r-project.org/src/contrib/Archive/eefAnalytics/eefAnalytics_1.0.6.tar.gz",repos = NULL,type = "source")
但是请注意，我必须先分别手动安装软件包geoR和metafor（否则它会引发错误）。
运行因果平均治疗效果
回答问题的第一部分：
您如何在R中运行此分析？
运行example available from documentation for a simple randomised trial，我们得到：
library(eefAnalytics)
data(mstData)
############# weighted ITT ####################################
caceOutput3 <- caceSRTBoot(Posttest~ Prettest+ Intervention,intervention="Intervention",compliance = "Percentage_Attendance",nBoot=1000,data=mstData)
cace <- caceOutput3$CACE
cace
Compliance ES LB UB
1 P> 0 0.32 0.04 0.62
2 P> 10 0.32 0.04 0.62
3 P> 20 0.37 0.04 0.72
4 P> 30 0.42 0.05 0.83
5 P> 40 0.47 0.06 0.92
6 P> 50 0.58 0.07 1.18
Complier <- caceOutput3$Compliers
Complier
P > 0 P > 10 P > 20 P > 30 P > 40 P > 50 P > 60 P > 70 P > 80 P > 90
pT 1 1 0.87 0.75 0.69 0.55 0.41 0.31 0.25 0.15
pC 0 0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
P=PT-pC 1 1 0.87 0.75 0.69 0.55 0.41 0.31 0.25 0.15
### visualising CACE effect size
plot(caceOutput3)
输出解释
我从软件包文档中找不到此信息，但从输出中了解到的信息
ITT =意向治疗
ES =效果大小（对冲的 g ）
LB =（效果大小的置信区间的）下界
UB =上限
pT =治疗组中符合标准者的百分比
pC =对照组中编译器的百分比
P=PT-pC =治疗组中符合标准者的百分比减去对照组中符合标准者的百分比
P > X =遵从百分比大于X（例如50％）的参与者的价值
结局是什么？
要回答问题的第二部分：
使用CACE时，结果如何？
感兴趣的主要结果似乎是调整后的效应大小（Hedge的 g ，与Cohen的 d 相似，但对于小于20的小样本更好。）似乎只能将两个组进行比较，而不能进行更多比较（因为像Cohen的 d 一样，Hedge的 g 只能一次比较两个均值）。
该图非常有用，可以看到效果大小的“改善”与对治疗依从性的增加有关。在此示例中，您看到的是，合规率越高，效果越好，正如预期的那样。