Galvenais Cits Difference-in-Difference novērtēšana

Difference-in-Difference novērtēšana

Pārskats

Programmatūra

Apraksts

Vietnes

Lasījumi

Kursi

Pārskats

Atšķirības atšķirībā (DID) paņēmiens radās ekonometrijas jomā, taču loģiku, kuras pamatā ir tehnika, Džons Snovs izmantoja jau 1850. gados un dažās sociālajās jomās to sauc par “kontrolētu pirms un pēc”. zinātnes.

Apraksts

DID ir kvazieksperimentāls dizains, kas izmanto ārstēšanas un kontroles grupu gareniskos datus, lai iegūtu atbilstošu pretfaktoru, lai novērtētu cēloņsakarību. DID parasti izmanto, lai novērtētu konkrētas iejaukšanās vai ārstēšanas (piemēram, likuma pieņemšana, politikas pieņemšana vai liela mēroga programmas ieviešana) ietekmi, salīdzinot rezultātu izmaiņas laika gaitā starp programmā iekļautajiem iedzīvotājiem (intervences grupa) un populācija, kas nav (kontroles grupa).


1. attēls. Difference-in-Difference novērtējums, grafisks skaidrojums

DID tiek izmantots novērošanas apstākļos, kur nevar pieņemt, ka ārstēšanas un kontroles grupas var aizstāt. DID balstās uz mazāk stingru maināmības pieņēmumu, t.i., ja nav ārstēšanas, neievērotās atšķirības starp ārstēšanas un kontroles grupām ir vienas un tās pašas virsstundas. Tādējādi atšķirība atšķirībā ir noderīgs paņēmiens, ko izmantot gadījumos, kad randomizēšana individuālā līmenī nav iespējama. DID ir nepieciešami dati no pirms / pēc iejaukšanās, piemēram, kohorta vai paneļa dati (individuālā līmeņa dati laika gaitā) vai atkārtoti šķērsgriezuma dati (individuālais vai grupas līmenis). Pieeja novērš novirzes pēc intervences perioda salīdzinājumā starp ārstēšanas un kontroles grupu, kas varētu būt rezultāts pastāvīgām atšķirībām starp šīm grupām, kā arī novirzes no salīdzinājumiem laika gaitā ārstēšanas grupā, kas varētu būt tendenču rezultāts citu iemeslu dēļ. cēloņi.

Cēloņsakarības (Ya = 1 - Ya = 0)
DID parasti izmanto, lai novērtētu ārstēšanas efektu uz ārstēto (cēloņsakarība pakļautajā), lai gan ar stingrākiem pieņēmumiem šo metodi var izmantot, lai novērtētu vidējo ārstēšanas efektu (ATE) vai cēloņsakarību populācijā. Lūdzu, skatiet Lechner 2011 rakstu, lai iegūtu sīkāku informāciju.

Pieņēmumi

Lai novērtētu jebkādu cēloņsakarību, ir jāpieņem trīs pieņēmumi: maināmība, pozitivitāte un stabilas vienības ārstēšanas vērtības pieņēmums (SUTVA) 1
. DID novērtējums prasa arī, lai:

  • Iejaukšanās, kas nav saistīta ar sākotnējo iznākumu (intervences piešķiršanu nenoteica rezultāts)

  • Ārstēšanas / iejaukšanās un kontroles grupām ir paralēlas tendences (sīkāku informāciju skatīt zemāk)

  • Intervences un salīdzināšanas grupu sastāvs ir stabils atkārtotam šķērsgriezuma dizainam (daļa no SUTVA)

  • Nav blakus efektu (daļa no SUTVA)

Paralēlās tendences pieņēmums
Paralēlās tendences pieņēmums ir viskritiskākais no iepriekš minētajiem četriem pieņēmumiem, lai nodrošinātu DID modeļu iekšējo derīgumu, un to ir visgrūtāk izpildīt. Tas prasa, lai bez ārstēšanas atšķirība starp “ārstēšanas” un “kontroles” grupām laika gaitā būtu nemainīga. Lai gan šim pieņēmumam nav statistikas testa, vizuālā pārbaude ir noderīga, ja jums ir novērojumi daudzos laika punktos. Ir arī ierosināts, ka jo mazāks ir pārbaudītais laika periods, jo ticamāk tiek pieļauts pieņēmums. Paralēlu tendenču pieņēmumu pārkāpšana novedīs pie neobjektīva cēloņsakarības novērtējuma.

Paralēlās tendences pieņēmuma izpilde 2

Paralēlās tendences pieņēmuma pārkāpums 3

Regresijas modelis
DID parasti tiek ieviests kā mijiedarbības termiņš starp laika un ārstēšanas grupas fiktīvajiem mainīgajiem regresijas modelī.
Y = β0 + β1 * [laiks] + β2 * [iejaukšanās] + β3 * [laiks * iejaukšanās] + β4 * [kovariāti] + ε

Stiprās puses un ierobežojumi
Stiprās puses

Ņujorkas universitātes profesionālo studiju skola
  • Intuitīva interpretācija

  • Var iegūt cēloņsakarību, izmantojot novērojumu datus, ja tiek izpildīti pieņēmumi

  • Var izmantot gan individuālos, gan grupas līmeņa datus

  • Salīdzināšanas grupas var sākties dažādos rezultāta līmeņos. (DID koncentrējas uz mainītāju, nevis uz absolūto līmeni)

  • Pārskati par izmaiņām / izmaiņām citu faktoru dēļ, nevis iejaukšanās

Ierobežojumi

  • Nepieciešami sākotnējie dati un neiejaukšanās grupa

  • Nevar izmantot, ja intervences piešķiršanu nosaka bāzes rezultāts

  • Nevar izmantot, ja salīdzināšanas grupām ir atšķirīga iznākuma tendence (Abadie 2005 ir piedāvājusi risinājumu)

  • Nevar izmantot, ja grupu sastāvs pirms / pēc izmaiņām nav stabils

Labākā pieredze

  • Pārliecinieties, ka iznākuma tendence neietekmēja ārstēšanas / iejaukšanās sadalījumu

  • Iegūstiet vairāk datu punktu pirms un pēc, lai pārbaudītu paralēlas tendences pieņēmumu

  • Izmantojiet lineāro varbūtības modeli, lai palīdzētu interpretēt

  • Pirms un pēc iejaukšanās noteikti pārbaudiet populācijas sastāvu ārstēšanas / iejaukšanās un kontroles grupās

  • Izmantojiet spēcīgas standarta kļūdas, lai ņemtu vērā autokorelāciju starp viena un tā paša indivīda pirms / pēc

  • Veiciet apakšanalīzi, lai redzētu, vai iejaukšanās ir līdzīga / atšķirīga ietekme uz rezultāta sastāvdaļām

Epi6 klases prezentācija 2013. gada 30. aprīlī

1. Rubins, DB. Eksperimentālo datu nejaušināšanas analīze Fišera randomizācijas testā. Amerikas statistikas asociācijas žurnāls. 1980. gads.
2. Pielāgots no vertikālajām attiecībām un konkurences benzīna mazumtirdzniecības tirgos, 2004. gads (Justine Hastings)
3. Pielāgots no Apmācību programmu ietekmes uz ienākumiem novērtēšana, Ekonomikas un statistikas apskats, 1978. gads (Orley Ashenfelter)

Lasījumi

Mācību grāmatas un nodaļas

Metodiskie raksti

  • Bertrand, M., Duflo, E., & Mullainathan, S. Cik daudz mums vajadzētu uzticēties atšķirību atšķirībām? Ceturkšņa ekonomikas žurnāls. 2004. gads.


    Šis raksts, kurā kritizēta DID tehnika, šajā jomā ir saņēmis lielu uzmanību. Rakstā ir apspriesta iespējamā (iespējams, nopietnā) aizspriedumi DID kļūdu izteiksmē. Rakstā aprakstīti trīs potenciālie risinājumi šo aizspriedumu novēršanai.

  • Cao, Žuns u.c. Pieejas atšķirībai atšķirībā un instrumentālo mainīgo lielumiem. Alternatīva un papildinājums tieksmes rādītāju saskaņošanai, novērtējot ārstēšanas iedarbību. CER Issue Brief: 2011.


    Informatīvs raksts, kurā aprakstītas stiprās puses, ierobežojumi un atšķirīgā informācija, ko sniedz DID, IV un PSM.

  • Lechner, Michael. Cēloņsakarības novērtēšana ar diferenciālo atšķirību metodēm. Sanktgallenes universitātes Ekonomikas departaments. 2011. gads.


    Šis dokuments piedāvā padziļinātu perspektīvu par DID pieeju un apspriež dažus galvenos jautājumus ar DID. Tas arī sniedz ievērojamu informācijas daudzumu par DID analīzes paplašinājumiem, ieskaitot nelineāras lietojumprogrammas un noslieci, kas atbilst DID. Ziņojumā iekļautais iespējamā iznākuma apzīmējuma lietojums.

    asv valdības struktūra
  • Nortons, Edvards C. Mijiedarbības noteikumi logitand probitmodels. UNC pie Kapelu kalna. Akadēmijas Veselība 2004.


    Šie lekciju slaidi piedāvā praktiskas darbības, lai ieviestu DID pieeju ar bināru iznākumu. Lineārās varbūtības modeli ir visvieglāk īstenot, taču tam ir ierobežojumi prognozēšanai. Loģistikas modeļiem ir nepieciešams papildu kodēšanas solis, lai mijiedarbības termini būtu interpretējami. Šim solim ir paredzēts statata kods.

  • Abādija, Alberto. Semiparametriski starpības aprēķinātāji. Ekonomikas pētījumu pārskats. 2005. gads


    Šajā rakstā ilgstoši tiek apspriests paralēlu tendenču pieņēmums un piedāvāta DID svēršanas metode, ja paralēlās tendences pieņēmums var nebūt spēkā.

Rakstu raksti

Veselības zinātnes

Vispārīgi lineārās regresijas piemēri:

  • Branas, Čārlzs C. un citi. Veselības, drošības un brīvās pilsētas telpas apzaļumošanas atšķirību analīze. American Journal of Epidemiology. 2011. gads.
  • Harmans, Džefrijs u.c. Izmaiņas izdevumos uz vienu locekli mēnesī pēc Floridas medicīniskās reformas demonstrācijas īstenošanas. Veselības pakalpojumu izpēte. 2011. gads.
  • Wharam, Frank un citi. Ārkārtas nodaļas izmantošana un turpmākā hospitalizācija starp augsta pašriska veselības plāna dalībniekiem. JAMA. 2007. gads.

Loģistiskās regresijas piemēri:

  • Bendavids, Erans un citi. HIV attīstības palīdzība un pieaugušo mirstība Āfrikā. JAMA. 2012. gads
  • Karlo, Valdemārs A un citi. Jaundzimušo aprūpes apmācība un perinatālā mirstība jaunattīstības valstīs. NEJM. 2010. gads.
  • Puisis, Gerij. Izmaksu piesaistes ietekme uz aprūpes pieejamību bezbērnu pieaugušajiem. Veselības pakalpojumu izpēte. 2010. gads.
  • King, Marissa u.c. Medicīnas skolas dāvanu ierobežošanas politika un ārsts izraksta nesen tirgotos psihotropos medikamentus: atšķirību starp atšķirībām analīze. BMJ. 2013. gads.
  • Li, Rui u.c. Glikozes līmeņa asinīs paškontrole pirms un pēc zāļu paplašināšanās starp meicare saņēmējiem ar cukura diabētu, kuri nelieto insulīnu. AJPH. 2008. gads.
  • Raiens, Endrjū u.c. Galvenās slimnīcas kvalitātes veicināšanas demonstrācijas 2. posma ietekme uz stimulējošām algas metodēm slimnīcām, kuras rūpējas par nelabvēlīgā situācijā esošiem pacientiem. Veselības pakalpojumu pētniecība. 2012. gads.

Lineārās varbūtības piemēri:

  • Bredlijs, Kati un citi. Operācijas gaidīšanas laiks un specializētie pakalpojumi apdrošinātiem un neapdrošinātiem krūts vēža pacientiem: vai slimnīcas drošības tīkla statuss ir svarīgs? HSR: Veselības pakalpojumu izpēte. 2012. gads.
  • Monheits, Alans un citi. Kā valsts politika, lai paplašinātu atkarīgo segumu, ir ietekmējusi jaunu pieaugušo veselības apdrošināšanas statusu? HSR: Veselības pakalpojumu izpēte. 2011. gads.

Pagarinājumi (Atšķirības-atšķirībās-atšķirībās):

  • Afendulis, Kristofers u.c. Medicare D daļas ietekme uz hospitalizācijas līmeni. Veselības pakalpojumu izpēte. 2011. gads.
  • Domino, Marisa. Laika izmaksu un līdzmaksājumu palielināšana par recepšu medikamentiem: politikas izmaiņu analīze sarežģītā vidē. Veselības pakalpojumu izpēte. 2011. gads.

Ekonomika

  • Kārts, Deivids un Alans Krēgeri. Minimālā alga un nodarbinātība: ātrās ēdināšanas nozares gadījumu izpēte Ņūdžersijā un Pensilvānijā. Amerikas ekonomikas pārskats. 1994. gads.
  • DiTella, Rafaels un Šargrodskis, Ernesto. Vai policija mazina noziedzību? Aplēses par policijas spēku sadalījumu pēc teroristu uzbrukuma. American Economic Review. 2004. gads.
  • Galiani, Sebastians un citi. Ūdens dzīvei: Ūdens pakalpojumu privatizācijas ietekme uz bērnu mirstību. Politiskās ekonomikas žurnāls. 2005. gads.

Vietnes

Metodiskā
http://healthcare-economist.com/2006/02/11/difference-in-difference-estimation/

Statistika (paraugs R un Stata kods)
http://thetarzan.wordpress.com/2011/06/20/differences-in-differences-estimation-in-r-and-stata/

Kursi

Tiešsaistē

  • Valsts ekonomisko pētījumu birojs

  • Kas jauns ekonometrikā? Vasaras institūts 2007.

  • 10. lekcija: Atšķirības atšķirībās

  • http://www.nber.org/minicourse3.html


    Lekciju konspekti un videoieraksti galvenokārt koncentrējas uz teoriju un matemātiskiem pieņēmumiem par atšķirību tehniku ​​un tās paplašinājumiem.

Interesanti Raksti

Redaktora Izvēle

Kristena Underhill
Kristena Underhill
Kristena Underhilla ir novatoriska sabiedrības veselības un politikas tiesību zinātniece, kas savos pētījumos un veselības likumu mācīšanā izmanto uz pierādījumiem balstītu praksi. Viņa rīko kopīgu tikšanos ar Kolumbijas universitātes Mailmanas Sabiedrības veselības skolu un pēta, kā likumi un noteikumi ietekmē indivīdu lēmumus par risku un uzvedību veselībā. Viņas notiekošajos projektos ietilpst nediskriminācijas likuma ietekmes uz pacientu lēmumu pieņemšanu izpēte, finansiāli stimuli iekšējai motivācijai, netieša rasu neobjektivitāte attiecībā uz altruistiskiem lēmumiem un strīdu izšķiršana par traumām, kas saistītas ar biomedicīnas pētījumiem. Underhill ir saņēmis vairākas dotācijas, lai vadītu pētniecības projektus šajā jomā. Viņa bija galvenā pētniece sešus gadus ilgā Nacionālā garīgās veselības institūta pētījumā par piekļuvi veselības aprūpei un PrEP pirmsekspozīcijas profilakses kā HIV profilakses stratēģijas vīriešu dzimuma darbinieku un vīriešu, kuri dzimumattiecībās ar vīriešiem, uzvedības ietekmi. Viņa ir arī līdzpētniece divos Kentuki štata pētījumos par štata Medicaid atbrīvojuma politiku, pārbaudot iedzīvotāju attieksmi un uzskatus par Medicaid un novērtējot atbrīvojumu ietekmi uz veselības aprūpes izmantošanu un uzņemšanu, dalību darba tirgū un veselības rezultātiem. Pirms iestāšanās Kolumbijas fakultātē 2016. gadā Underhill bija asociētais pētnieks un tiesību un veselības jurists Jeila Juridiskajā skolā, kur viņa bija arī Jeila centra starpdisciplināro pētījumu par AIDS. Kamēr J.D. studēja Jeilā, viņa bija galvenā redaktore izdevumā Yale Journal of Health Policy, Law and Ethics.
Ph.D. ekonomikā
Ph.D. ekonomikā
Bezpeļņas organizācijas dibināšana: četri galvenie soļi
Bezpeļņas organizācijas dibināšana: četri galvenie soļi
1. sesija | Uz misiju balstītas organizācijas izveide Šī sesija, uzsākot bezpeļņas organizāciju: četru pamatsoļu sērija bija…
Pētījumi atbalsta stingrākus ieroču likumus, lai mazinātu masveida šaušanu
Pētījumi atbalsta stingrākus ieroču likumus, lai mazinātu masveida šaušanu
Reaģējot uz nāvējošajām apšaudēm Atlantā 16. martā un Boulderā 22. martā, prezidents Džozefs R. Baidens aicināja pieņemt stingrākus likumus par ieročiem, lai mazinātu masveida vardarbību šaušanā. Man nav jāgaida vēl minūte, nemaz nerunājot par stundu, lai veiktu saprātīgus pasākumus, kas nākotnē izglābtu dzīvības, un mudinātu savus kolēģus Parlamentā un Senātā rīkoties, sacīja prezidents Baidens. In
L’Oréal SA pret. eBay International AG
L’Oréal SA pret. eBay International AG
Kolumbijas globālās vārda brīvības mērķis ir veicināt izpratni par starptautiskajām un nacionālajām normām un institūcijām, kas vislabāk aizsargā informācijas un vārda brīvu plūsmu savstarpēji saistītā globālā kopienā, kurā jārisina galvenie kopējie izaicinājumi. Lai sasniegtu savu misiju, globālā vārda brīvība uzņemas un pasūta pētniecības un politikas projektus, organizē pasākumus un konferences, kā arī piedalās un piedalās globālās diskusijās par vārda un informācijas brīvības aizsardzību 21. gadsimtā.
Ziņas no Kolumbijas Reto grāmatu un rokrakstu bibliotēkas
Ziņas no Kolumbijas Reto grāmatu un rokrakstu bibliotēkas
Pola Bley piemiņas apraide
Pola Bley piemiņas apraide