Kontrol değişkenlerini neden farklılıklar farklılığında kullanmalıyım?

10

Aşağıdaki standart denklem ile farklılıklar farklılıkları yaklaşım hakkında bir sorum var: nerede tedavi tedavi grup ve sonrası için bir kukla değişkendir.

y = a + b_{1} treat + b_{2} post + b_{3} treat \cdot post + u

$y= a + b_1\text{treat}+ b_2\text{post} + b_3\text{treat}\cdot\text{post} + u$

Şimdi sorum basit: Neden çoğu makale hala ek kontrol değişkenleri kullanıyor? Paralel eğilim varsayımı doğruysa, ek kontroller hakkında endişelenmemiz gerekmediğini düşündüm. Kontrol değişkenlerini kullanmanın sadece 2 olası nedenini düşünebildim:

onlar olmadan trendler paralel olmaz
çünkü DnD spesifikasyonu, tedavi sırasında tedavi ve kontrol grubu arasındaki eğilimlerdeki herhangi bir müdahaleye müdahaleye bağlanır (yani etkileşim terimi tedavi * sonrası) - diğer değişkenleri kontrol etmediğimizde, etkileşim katsayısı aşılmış olabilir - / abartısız

Herkes bu konuya ışık tutabilir mi? Sebeplerim 1) veya 2) anlamlı mı? DnD'de kontrol değişkenlerinin kullanımını tam olarak anlamıyorum.

regression multiple-regression causality

— sachin
kaynak

İlave kontrol değişkenlerine duyulan ihtiyaç, tedavi grubunun bazı spesifik özellikler nedeniyle daha büyük bir gruptan rastgele seçilip seçilmemesine veya bazı özel özellikler nedeniyle (çoğunlukla post-hoc analizde olduğu gibi) seçilmesine bağlı olabilir.

— Henry

5

onlar olmadan [yani ek değişkenler], eğilimler paralel olmaz

Evet bu doğru. Modele zamanla değişen değişkenler eklemediğiniz sürece, hesaba katmadığınız birime özgü eğilimler olabilir.

Paralel eğilimler varsayımı ek değişkenler olmadan karşılansa bile, ek değişkenler eklemek, diğer regresyonlarda olduğu gibi tahminlerinizin hassasiyetini artırabilir. Bunun Michael Chernick'in aklında olan şeyin bir parçası olduğunu düşünüyorum.

Çoğunlukla Zararsız Ekonometri'nin yararlı olabilecek güzel bir tartışması vardır. Özellikle sayfa 236-37'ye bakınız.

— user697473
kaynak

1

Bazen tedavi sonrası tepki ve tedavi öncesi tepki farkını hesaplayarak bir tedavi etkisine baktığımızda, hastanın kendi kontrolü gibi davrandığını söyleriz. Bir kontrol grubu sağlamanın amacı, plasebo etkisi olarak adlandırılan etkiyi hesaba katmaktır. Bazen tedavi uygulanmamış olsa bile olumlu bir değişiklik olabilir. Dolayısıyla belirlemek istediğimiz etki "plasebo etkisi" nin üzerindeki ortalama artıştır.

— Michael R. Chernick
kaynak

Merhaba Michael, cevabın için teşekkürler. Kontrol gruplarına neden ihtiyacımız olduğunu düşünüyorum. Kontrol grubu, tedavi = 1 olmayanlar gibi regresyon denklemime dahil edilmiştir. Yani buradaki soru aslında bu değil. Soru, bazı kağıtların yukarıda belirtilen denklemin üstünde ek kontrol değişkenleri kullanmasının nedenidir. Bu ya da belki başka biri cevap verebilir eğer harika olurdu. Teşekkürler beyler!

— sachin

Neden ek değişkenler kontrol değişkenleri olarak adlandırıyorsunuz? Modele ek değişkenler dahil etmenin tek nedeni, değişkenlerin modeldeki diğer değişkenler tarafından açıklanmayan yanıttaki bazı varyasyonları açıklayabilmesidir.

— Michael R.Çinick

Peki, temelde sorum şu: Paralel eğilim varsayımının geçerli olduğunu varsayarak neden bu değişkenleri dahil etmeliyiz (yani dahil ettiğiniz kontrol değişkenleri, dediğin gibi, tedavinin açıkladığını iddia ettiğimiz bir şeyi açıklayabilirler). Sadece daha fazla kontrolün dahil edilmesinin bu varsayımı gevşetmek anlamına geldiğini varsayabilirim - yani diğer değişkenleri kontrol ederken bile tedavinin ne kadar açıklayabileceğini görmek. Bu, paralel eğilim varsayımını tam olarak test edememenin bir sonucu olabilir ve okuyucuyu tedavinin etkisi hakkında daha fazla ikna edebilir. Ama bundan emin değilim

— sachin

Yanıt üzerindeki etkinin sadece tedaviden gelmesi gerekmez. Diğer değişkenlerin tedaviden bağımsız yanıttaki varyasyonu açıklayabileceğini söylüyorum. Tedavinin herhangi bir şeyle etkileşime girmesiyle ilgisi yoktur.

— Michael R.Çinick

1

Evet, her iki noktanız da mantıklı. Dif-in-diff modellerinin iki farklı lezzetinin bir türevini görmek için, konudaki ders slaytlarımı görebilirsiniz .

— Charlie
kaynak

1

Michael'ın cevabına devam ederken, E [u | muamele] = 0 olduğuna dair mümkün olduğunca fazla kanıt sağlamak istiyorsunuz. Tutabilir. Kontrollerin etkin bir şekilde eklenmesi u'nun ayrışmasına başlar. Ve, bazı kontroller istediğiniz her şeye ulaşmayabilir, ancak endişelenmeniz gerekmeyebilecek türlerde bir his verebilir. Örneğin, IQ için bir kontrolünüz varsa, bu, atlanan değişkenlerin yetenek konusundaki endişelerini gidermeye yardımcı olabilir.

— user1690130
kaynak