Chủ YếU Khác Ước tính Chênh lệch trong Chênh lệch

Ước tính Chênh lệch trong Chênh lệch

Tổng quat

chọn số an sinh xã hội

Phần mềm

Sự miêu tả

Các trang web

Bài đọc

Các khóa học

Tổng quat

Kỹ thuật khác biệt trong sự khác biệt (DID) bắt nguồn từ lĩnh vực kinh tế lượng, nhưng logic cơ bản của kỹ thuật này đã được sử dụng sớm nhất vào những năm 1850 bởi John Snow và được gọi là 'nghiên cứu trước và sau có kiểm soát' trong một số xã hội. khoa học.

Sự miêu tả

DID là một thiết kế bán thực nghiệm sử dụng dữ liệu dọc từ các nhóm điều trị và nhóm chứng để thu được một phản thực thích hợp nhằm ước tính tác động nhân quả. DID thường được sử dụng để ước tính hiệu quả của một biện pháp can thiệp hoặc điều trị cụ thể (chẳng hạn như thông qua luật, ban hành chính sách hoặc thực hiện chương trình quy mô lớn) bằng cách so sánh những thay đổi về kết quả theo thời gian giữa một nhóm dân số tham gia chương trình (nhóm can thiệp) và dân số không (nhóm chứng).


Hình 1. Ước tính Chênh lệch trong Chênh lệch, giải thích bằng đồ thị

DID được sử dụng trong các môi trường quan sát, nơi không thể giả định được khả năng trao đổi giữa nhóm điều trị và nhóm chứng. DID dựa trên một giả định về khả năng trao đổi ít nghiêm ngặt hơn, tức là, trong trường hợp không được điều trị, sự khác biệt không thể quan sát được giữa nhóm điều trị và nhóm chứng là cùng thời gian. Do đó, Difference-in-chênh lệch là một kỹ thuật hữu ích để sử dụng khi không thể thực hiện ngẫu nhiên hóa ở cấp độ cá nhân. DID yêu cầu dữ liệu từ trước / sau can thiệp, chẳng hạn như dữ liệu nhóm hoặc dữ liệu bảng (dữ liệu cấp độ cá nhân theo thời gian) hoặc dữ liệu cắt ngang lặp lại (cấp độ cá nhân hoặc nhóm). Phương pháp tiếp cận loại bỏ các thành kiến ​​trong so sánh giai đoạn sau can thiệp giữa nhóm điều trị và nhóm chứng có thể là kết quả của sự khác biệt vĩnh viễn giữa các nhóm đó, cũng như các thành kiến ​​do so sánh theo thời gian trong nhóm điều trị có thể là kết quả của các xu hướng do khác nguyên nhân của kết quả.

Hiệu ứng Nhân quả (Ya = 1 - Ya = 0)
DID thường được sử dụng để ước tính hiệu quả điều trị đối với người được điều trị (tác động nhân quả ở người bị phơi nhiễm), mặc dù với các giả định mạnh mẽ hơn, kỹ thuật này có thể được sử dụng để ước tính Hiệu quả điều trị trung bình (ATE) hoặc tác động nhân quả trong quần thể. Vui lòng tham khảo bài báo Lechner 2011 để biết thêm chi tiết.

Giả định

Để ước tính bất kỳ tác động nhân quả nào, phải có ba giả thiết: khả năng trao đổi, tính tích cực và Giả định về giá trị xử lý đơn vị ổn định (SUTVA) 1
. Ước tính DID cũng yêu cầu rằng:

  • Can thiệp không liên quan đến kết quả lúc ban đầu (phân bổ can thiệp không được xác định bởi kết quả)

  • Các nhóm điều trị / can thiệp và nhóm kiểm soát có các Xu hướng Song song về kết quả (xem chi tiết bên dưới)

  • Thành phần của các nhóm can thiệp và so sánh là ổn định đối với thiết kế mặt cắt ngang lặp lại (một phần của SUTVA)

  • Không có hiệu ứng lan tỏa (một phần của SUTVA)

Giả định xu hướng song song
Giả định xu hướng song song là giả định quan trọng nhất trong số bốn giả định ở trên để đảm bảo giá trị nội tại của các mô hình DID và là giả định khó thực hiện nhất. Nó yêu cầu rằng trong trường hợp không điều trị, sự khác biệt giữa nhóm ‘điều trị’ và ‘đối chứng’ là không đổi theo thời gian. Mặc dù không có kiểm tra thống kê nào cho giả định này, nhưng việc kiểm tra bằng mắt thường rất hữu ích khi bạn có các quan sát qua nhiều thời điểm. Người ta cũng đề xuất rằng khoảng thời gian được thử nghiệm càng nhỏ, thì giả định càng có khả năng giữ vững. Việc vi phạm giả định xu hướng song song sẽ dẫn đến ước tính sai lệch về tác động nhân quả.

Đáp ứng giả định xu hướng song song 2

Vi phạm giả định xu hướng song song 3

Mô hình hồi quy
Y = β0 + β1 * [Thời gian] + β2 * [Can thiệp] + β3 * [Thời gian * Can thiệp] + β4 * [Đồng biến] + ε

Điểm mạnh và hạn chế
Điểm mạnh

  • Diễn giải trực quan

    new york times co v United States
  • Có thể thu được hiệu ứng nhân quả bằng cách sử dụng dữ liệu quan sát nếu các giả định được đáp ứng

  • Có thể sử dụng dữ liệu cấp độ cá nhân và cấp độ nhóm

  • Các nhóm so sánh có thể bắt đầu ở các mức độ khác nhau của kết quả. (DID tập trung vào mức độ thay đổi hơn là mức độ tuyệt đối)

  • Tài khoản thay đổi / thay đổi do các yếu tố khác ngoài sự can thiệp

Hạn chế

  • Yêu cầu dữ liệu cơ sở và một nhóm không can thiệp

  • Không thể sử dụng nếu phân bổ can thiệp được xác định bởi kết quả ban đầu

    thời hạn nhập học trường luật
  • Không thể sử dụng nếu các nhóm so sánh có xu hướng kết quả khác nhau (Abadie 2005 đã đề xuất giải pháp)

  • Không thể sử dụng nếu thành phần của nhóm trước / sau thay đổi không ổn định

Thực hành tốt nhất

  • Đảm bảo xu hướng kết quả không ảnh hưởng đến việc phân bổ điều trị / can thiệp

  • Thu thập thêm điểm dữ liệu trước và sau để kiểm tra giả định xu hướng song song

  • Sử dụng mô hình xác suất tuyến tính để giúp giải thích

  • Đảm bảo kiểm tra thành phần dân số trong các nhóm điều trị / can thiệp và nhóm chứng trước và sau can thiệp

  • Sử dụng các lỗi tiêu chuẩn mạnh mẽ để giải thích sự tự tương quan giữa các bài đăng trước / sau trong cùng một cá nhân

  • Thực hiện phân tích phụ để xem liệu can thiệp có tác động giống nhau / khác nhau đối với các thành phần của kết quả hay không

Bài thuyết trình trên lớp Epi6 ngày 30 tháng 4 năm 2013

1. Rubin, DB. Phân tích ngẫu nhiên hóa dữ liệu thử nghiệm trong thử nghiệm ngẫu nhiên hóa Fisher. Tạp chí Hiệp hội Thống kê Hoa Kỳ.1980.
3. Phỏng theo Ước tính ảnh hưởng của các chương trình đào tạo trong thu nhập, đánh giá kinh tế và thống kê, 1978 (Orley Ashenfelter)

Bài đọc

Sách giáo khoa & Chương

Các bài báo về phương pháp luận

  • Bertrand, M., Duflo, E., & Mullainathan, S. Chúng ta nên tin tưởng bao nhiêu vào các ước tính về sự khác biệt? Tạp chí Kinh tế hàng quý. Năm 2004.


  • Cao, Zhun và cộng sự. Các phương pháp tiếp cận khác biệt trong sự khác biệt và các biến thể cụ thể. Một giải pháp thay thế và bổ sung cho việc đối sánh điểm xu hướng trong việc ước tính hiệu quả điều trị.


    hack Plants vs.
  • Lechner, Michael. Ước tính các tác động nhân quả bằng các phương pháp khác biệt-trong-khác biệt. Khoa Kinh tế, Đại học St. Gallen. 2011.


  • Norton, Edward C. Điều khoản tương tác trong Logitand Probitmodels. UNC tại Đồi Chapel. Học viện Y tế năm 2004.


  • Abadie, Alberto. Công cụ ước tính chênh lệch-trong-khác biệt bán đối xứng. Tổng quan về Nghiên cứu Kinh tế. 2005


    Bài viết này thảo luận về giả định xu hướng song song ở độ dài và đề xuất phương pháp tính trọng số cho DID khi giả định xu hướng song song có thể không được giữ nguyên.

Các bài báo ứng dụng

Khoa học sức khỏe

Ví dụ về hồi quy tuyến tính tổng quát:

  • Branas, Charles C. và cộng sự. Phân tích sự khác biệt trong các điểm khác biệt về sức khỏe, an toàn và làm xanh không gian đô thị trống. Tạp chí Dịch tễ học Hoa Kỳ. 2011.
  • Harman, Jeffrey và cộng sự. Thay đổi về chi tiêu mỗi thành viên mỗi tháng sau khi thực hiện cuộc biểu tình cải cách thuốc chữa bệnh của Florida. Nghiên cứu Dịch vụ Y tế. 2011.
  • Wharam, Frank và cộng sự. Sử dụng Khoa Cấp cứu và Các lần Nhập viện Tiếp theo giữa các Thành viên của Chương trình Y tế Khấu trừ Cao. JAMA. Năm 2007.

Ví dụ về hồi quy logistic:

  • Bendavid, Eran và cộng sự. Hỗ trợ phát triển HIV và Tỷ lệ tử vong ở người trưởng thành ở Châu Phi. JAMA. 2012
  • Carlo, Waldemar A và cộng sự. Đào tạo chăm sóc trẻ sơ sinh và tử vong chu sinh ở các nước đang phát triển. NEJM. 2010.
  • Chàng trai, Gery. Ảnh hưởng của việc cân nhắc chi phí đối với khả năng tiếp cận dịch vụ chăm sóc của những người trưởng thành không có con. 2010.
  • King, Marissa và cộng sự. Chính sách hạn chế quà tặng của trường y và bác sĩ kê đơn thuốc hướng thần mới được bán trên thị trường: phân tích sự khác biệt trong sự khác biệt. BMJ. 2013.
  • Li, Rui và cộng sự. Tự theo dõi đường huyết trước và sau khi mở rộng chương trình y tế cho những người thụ hưởng meicare mắc bệnh tiểu đường không sử dụng insulin.AJPH. Năm 2008.
  • Ryan, Andrew và cộng sự. Hiệu quả của giai đoạn 2 của cuộc biểu tình khuyến khích chất lượng bệnh viện hàng đầu đối với việc trả lương khuyến khích cho các bệnh viện chăm sóc bệnh nhân có hoàn cảnh khó khăn. 2012.

Ví dụ về xác suất tuyến tính:

  • Bradley, Cathy và cộng sự. Thời gian chờ phẫu thuật và các dịch vụ đặc biệt cho bệnh nhân ung thư vú có bảo hiểm và không có bảo hiểm: Tình trạng mạng lưới an toàn bệnh viện có quan trọng không? HSR: Nghiên cứu Dịch vụ Y tế. 2012.
  • Monheit, Alan và cộng sự. Chính sách của Tiểu bang nhằm mở rộng phạm vi bảo hiểm phụ thuộc đã ảnh hưởng đến tình trạng bảo hiểm y tế của thanh thiếu niên như thế nào? HSR: Nghiên cứu Dịch vụ Y tế. 2011.

Tiện ích mở rộng (Sự khác biệt-trong-Sự khác biệt-trong-Sự khác biệt):

  • Afendulis, Christopher et al. Tác động của phần D y tế đối với tỷ lệ nhập viện. 2011.
  • Domino, Marisa. Tăng chi phí thời gian và đồng thanh toán cho thuốc theo toa: phân tích về những thay đổi chính sách trong một môi trường phức tạp. 2011.

Kinh tế học

  • Card, David và Alan Krueger. Mức lương và việc làm tối thiểu: Một nghiên cứu điển hình về ngành công nghiệp thức ăn nhanh ở New Jersey và Pennsylvania. Tạp chí Kinh tế Hoa Kỳ. Năm 1994.
  • DiTella, Rafael và Schargrodsky, Ernesto. Cảnh sát có giảm tội phạm không? Ước tính sử dụng phân bổ lực lượng cảnh sát sau một cuộc tấn công khủng bố. Tạp chí Kinh tế Mỹ. Năm 2004.
  • Galiani, Sebastian và cộng sự. Nước cho sự sống: Tác động của việc tư nhân hóa các dịch vụ nước đối với tỷ lệ tử vong ở trẻ em. Tạp chí Kinh tế Chính trị. Năm 2005.

Các trang web

Phương pháp luận
http://healthcare-economist.com/2006/02/11/difference-in-difference-estimation/

Thống kê (mẫu R và mã Stata)
http://thetarzan.wordpress.com/2011/06/20/differences-in-differences-estimation-in-r-and-stata/

boot và nuke usb

Các khóa học

Trực tuyến

  • Cục Nghiên cứu Kinh tế Quốc gia

  • Có gì mới trong Kinh tế lượng? Học viện mùa hè 2007.

  • Bài giảng 10: Sự khác biệt-trong-sự khác biệt

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


    Ghi chú bài giảng và ghi video, chủ yếu tập trung vào lý thuyết và các giả định toán học về sự khác biệt trong kỹ thuật khác biệt và các phần mở rộng của nó.

Bài ViếT Thú Vị

Editor Choice

Buổi học mùa hè | Các khóa học | Phim ảnh
Buổi học mùa hè | Các khóa học | Phim ảnh
Hơi thở trong lành: Phát hiện mới về điều trị rối loạn nuốt và ngôn ngữ
Hơi thở trong lành: Phát hiện mới về điều trị rối loạn nuốt và ngôn ngữ
Sử dụng một kỹ thuật mà cô đồng phát triển có tên là smTAP, Michelle Troche của TC và các đồng nghiệp đã có thể cải thiện chức năng ho ở những người tham gia nghiên cứu mắc chứng rối loạn thoái hóa thần kinh.
Alessandra Giannini
Alessandra Giannini
Ronald Reagan, Nữ quyền và Chippendales có điểm gì chung?
Ronald Reagan, Nữ quyền và Chippendales có điểm gì chung?
Một podcast mới của ba cựu sinh viên Columbia muốn giúp bạn kết nối các điểm.
‘Middle of Nowhere’ của Giáo sư Michele Palermo đã tạo nên làn sóng tại các lễ hội
‘Middle of Nowhere’ của Giáo sư Michele Palermo đã tạo nên làn sóng tại các lễ hội
Phim đã giành giải Chương trình truyền hình xuất sắc nhất, Đạo diễn xuất sắc nhất và Nữ diễn viên chính xuất sắc nhất cho Elena Wohl tại Liên hoan phim Quốc tế Thành phố New York 2021 và cũng được chọn là Phim truyền hình / web hay nhất tại Liên hoan quần short Hollywood Just 4 vào tháng 5 năm nay.
Daniel Richman
Daniel Richman
Từng là công tố viên liên bang tại Văn phòng luật sư Hoa Kỳ cho Quận phía Nam của New York, Daniel Richman giảng dạy và viết về xét xử tội phạm, luật hình sự liên bang, kết án và an ninh mạng, quyền riêng tư dữ liệu và luật giám sát. Học bổng gần đây của anh ấy bao gồm bài báo Kế toán cho các Công tố viên, đề cập đến quyền tự quyết của cơ quan công tố và quyền lực của các công tố viên trong việc định hình luật hình sự, và Tìm hiểu các đợt tăng đột biến gần đây và xu hướng lâu hơn trong các vụ giết người ở Mỹ (với Giáo sư Luật Columbia Jeffrey Fagan). Richman đã nhận được Giải thưởng Tổng thống của Đại học Columbia về Giảng dạy. Trước khi gia nhập khoa vào năm 2007, ông đã giảng dạy tại Trường Luật Fordham và Trường Luật của Đại học Virginia. Ngoài kinh nghiệm của mình tại Văn phòng Luật sư Hoa Kỳ, nơi ông là luật sư phúc thẩm chính và làm việc trong cả đơn vị tội phạm có tổ chức và ma tuý, Richman là thư ký cho Tư pháp Thurgood Marshall tại Tòa án Tối cao Hoa Kỳ và Chánh án Wilfred Feinberg tại Vòng 2 Hoa Kỳ Tòa phúc thẩm. Richman từng là cố vấn cho Giám đốc FBI James B. Comey và là cố vấn cho Bộ Tư pháp và Bộ Tài chính Hoa Kỳ. Dưới thời Thị trưởng thành phố New York Michael Bloomberg, Richman từng là chủ tịch của Ủy ban Phát hành có điều kiện địa phương. Ông hiện là cố vấn giảng dạy của Trung tâm Trường Luật Columbia vì Sự Tiến bộ của Chính trực Công cộng.
Vivo Y83 Mobile Giá, Thông số kỹ thuật, Giá tại Ấn Độ, Tính năng, màu đen
Vivo Y83 Mobile Giá, Thông số kỹ thuật, Giá tại Ấn Độ, Tính năng, màu đen
Di động Vivo Y83, điện thoại, Giá bán, Thông số kỹ thuật, Giá tại Ấn Độ, Ngày phát hành, Màu sắc. Pin Vivo Y83, Giá USD, Xu hướng, thông số kỹ thuật,