การแบ่งชั้นหลักเป็น เทคนิค ทางสถิติที่ใช้ในการอนุมานเชิงสาเหตุเมื่อปรับผลลัพธ์สำหรับตัวแปรเสริมหลังการรักษา แนวคิดคือการระบุชั้นพื้นฐานแล้วคำนวณผลกระทบเชิงสาเหตุเฉพาะภายในชั้นเท่านั้น เป็นการขยายผลของผลกระทบการรักษาเฉลี่ยเฉพาะที่ (LATE) ในแง่ของการนำเสนอการประยุกต์ใช้นอกเหนือจากการปฏิบัติตามแบบทั้งหมดหรือไม่มีเลย วิธี LATE ซึ่งได้รับการพัฒนาโดยอิสระโดย Imbens และ Angrist (1994) ^{[ 1 ]}และ Baker และ Lindeman (1994) ^{[ 2 ]}ยังรวมถึงข้อจำกัดการยกเว้นที่สำคัญและสมมติฐานความเป็นเอกรูปสำหรับการระบุ สำหรับประวัติการพัฒนาในช่วงแรก โปรดดู Baker, Kramer, Lindeman ^{[ 3 ]}

ตัวอย่างของการแบ่งชั้นหลักคือกรณีที่มีการสูญเสียผู้เข้าร่วมในการทดลองแบบสุ่มที่มีกลุ่มควบคุม โดยมีตัวแปรเสริมหลังการรักษาแบบไบนารี (เช่น การสูญเสียผู้เข้าร่วม) และการรักษาแบบไบนารี (เช่น "กลุ่มรักษา" และ "กลุ่มควบคุม") จะมีกลุ่มย่อยที่เป็นไปได้สี่กลุ่มที่ผู้เข้าร่วมสามารถอยู่ได้:

1. ผู้ที่เข้าร่วมการศึกษาอย่างต่อเนื่องโดยไม่คำนึงถึงว่าพวกเขาได้รับการรักษาแบบใด
2. ผู้ที่มักจะถอนตัวออกจากการศึกษาเสมอ ไม่ว่าพวกเขาจะได้รับการรักษาแบบใดก็ตาม
3. ผู้ที่ถอนตัวออกจากการศึกษาเฉพาะเมื่อถูกจัดให้อยู่ในกลุ่มทดลองเท่านั้น
4. ผู้ที่ถอนตัวออกจากการศึกษาเฉพาะเมื่อถูกจัดให้อยู่ในกลุ่มควบคุมเท่านั้น

หากนักวิจัยทราบกลุ่มย่อยของแต่ละบุคคล นักวิจัยก็จะสามารถเปรียบเทียบผลลัพธ์เฉพาะภายในกลุ่มย่อยแรกและประเมินผลกระทบเชิงสาเหตุที่ถูกต้องสำหรับประชากรกลุ่มนั้นได้ อย่างไรก็ตาม นักวิจัยไม่ทราบข้อมูลนี้ ดังนั้นจึงจำเป็นต้องมีการตั้งสมมติฐานในการสร้างแบบจำลองเพื่อใช้วิธีการนี้

การใช้กรอบการแบ่งชั้นหลักยังช่วยให้สามารถกำหนดขอบเขตของผลกระทบที่คาดการณ์ไว้ได้ (ภายใต้สมมติฐานการกำหนดขอบเขตที่แตกต่างกัน) ซึ่งเป็นเรื่องปกติในสถานการณ์ที่มีการสูญเสียผู้เข้าร่วมการวิจัย

ในการวิจัยประเมินผลเชิงประยุกต์ กลุ่มหลักมักถูกเรียกว่ากลุ่ม "ภายใน" หรือ "กลุ่มย่อย" และเกี่ยวข้องกับวิธีการวิเคราะห์เฉพาะทางสำหรับการตรวจสอบผลกระทบของการแทรกแซงหรือการรักษาในด้านการแพทย์และสังคมศาสตร์

• ตัวแปรเครื่องมือ
• แบบจำลองเชิงสาเหตุของรูบิน