Nedensellik göstermek için ampirik teknikler nelerdir?

Basit bir doğrusal regresyon sadece iki değişken arasındaki korelasyonu gösterir. Nedensellik oluşturmak için yaygın olarak öğretilen iki yöntem IV regresyon ve doğal deneylerdir. İnsanların nedensellik oluşturmak için kullandıkları diğer yöntemler nelerdir?

Doğal deneyler genellikle kendi başına nedensel bir çıkarım aracı yerine nedensel çıkarım için bir ortamdır. Doğal bir denemeniz olsa bile, genellikle fark farkı veya enstrümantal değişkenler gibi bir şey kullanmanız gerekir.

Burada istatistiksel nedensel çıkarım yaklaşımlarının bir listesi (Yaklaşım: Lay açıklaması)

• Enstrümantal Değişkenler : Rastgele atanan X değişkeni Z'yi sadece Y ile etkiler
• Farklılıklardaki Fark : İki grubun ortak bir eğilimi varsa ve sadece bir grup tedavi edilirse, gruplar arasındaki farktaki değişiklik tedavi etkisidir.
• Regresyon Süreksizliği : Sert bir eşik değeri saptanmış tedavi varsa, o eşiğin hemen etrafındaki farka bakın
• Eğilim skoru eşleşmesi : Muamele edilmesi muhtemel (ancak aslında tedavi edilmeyen) tedavi edilmemiş gözlemleri benzer tedavi olasılığı olan tedavi edilmiş gözlemlerle eşleştirerek bir kontrol grubu oluşturun.
• Manhalobis mesafe eşleşmesi : Tedavi edilene benzeyen işlenmemiş gözlemleri eşleştirerek bir kontrol grubu oluşturun. Dikkat çeken bir diğer mesafe ölçüsü, Kabaşonlu Tam Eşleme'dir .
• Sentetik kontrol : Sadece bir tedavi edilmiş gözleminiz olduğunda, münferit olarak mükemmel olmayan kontroller olan ancak toplu olarak iyi bir kontrol görevi gören muamele edilmemiş gözlemlerin bir bileşimini oluşturun.
• Sentetik Kohortlar - Bir bireyler paneli gibi grupların tekrarlanan gözlemlerini ele alın ve panel teknikleri kullanın.
• Heckman düzeltmesi gibi seçim yanlılığı modellemesi : Seçim yanlılığı için parametrik bir form alın ve onu kaldırın, böylece düzeltilmiş regresyon sonuçları nedensel olarak yorumlanabilir.
• Numune ağırlıklandırması daha geniş çapta - gerçek bir popülasyona daha çok benzemek için örnek birimlerini ağırlıklandırarak endojen katılım ve modellenmemiş heterojenlikten kaynaklanan önyargıları düzeltin.

Farklılık farkı, ekonometride muhtemelen en sevilen yöntemdir (önyükleme gerektirmesine rağmen, yani verileri kendi kendine korelasyondan düzeltmek gerekir). Temelde, iki grubun evrimini, hiçbirinin verilen faktöre tabi olmadığı bir noktadan, birinin faktöre tabi olduğu bir nokta ile karşılaştırır. Ünlü bir örnek, Card ve Krueger'in asgari ücretin etkisini araştırmak için yöntemi kullanmasıdır.

Regresyon süreksizlik tasarımı, tıpkı farklılıklar arasındaki farkın doğal deneylerden faydalanması için bir yöntemdir. Aksi takdirde benzer birimlere farklı "tedaviler" sağlayan keyfi kurallar üzerine kuruludur.

Wikipedia'dan bir örnek:

Belirli bir sınıfın üzerindeki tüm öğrenciler - örneğin% 80 - burs verildiyse, öğrencileri% 80'lik kesintiyi karşılaştırarak yerel tedavi etkisini ortaya çıkarmak mümkündür: Buradaki sezgi,% 79 puan alan bir öğrencinin % 81 puan alan bir öğrenciye çok benzer olması -% 80 önceden belirlenmiş eşik değeri göz önüne alındığında, bir öğrenci burs alırken diğeri almaz. Alıcının sonucunu (tedavi grubu) alıcı olmayanın (kontrol grubu) karşı-sonuç sonucuyla karşılaştırmak böylece yerel tedavi etkisini sağlayacaktır.

@EnergyNumbers'ın yorumunu takip etmek için nedensellik teorinizden akıyor .

Önemli bir ayrım şudur: @ BKay'ın cevabındaki yöntemlerden herhangi birindeki matematik, prosedürün sonunda sayıları tükürmek için tasarlanmıştır. Örneğin, tedavinizin bir köpek tarafından yüzüne yalamak gibi aptalca bir şey olduğu bir diff-in-diff düşünün. Köpekler tarafından yüzüne yaranın insanların astronot olmasına neden olup olmadığını görmek için her zaman bir diff-in-diff kurabilirsiniz.

Sersemlik bir yana, sıfırdan nedensellik hakkında düşünmek oldukça yararlı olabilir - prosedür seçiminizi dahil etmek. Ekonomi seminerleri genellikle teorinin uygulanabilirliği ve varsayımların geçerliliği etrafında dönmektedir.