Основен Други Оценка на разликата в разликата

Оценка на разликата в разликата

Общ преглед

Софтуер

Описание

Ню Йорк университетско училище за професионално обучение

Уебсайтове

Четения

Курсове

Общ преглед

Техниката за разлика в разликата (DID) възниква в областта на иконометрията, но логиката, лежаща в основата на техниката, е използвана още през 50-те години от Джон Сноу и се нарича „контролирано проучване преди и след“ в някои социални науки.

Описание

DID е квазиекспериментален дизайн, който използва надлъжни данни от лечебни и контролни групи, за да получи подходящ контрафакт за оценка на причинен ефект. DID обикновено се използва за оценка на ефекта от конкретна намеса или лечение (като приемане на закон, приемане на политика или изпълнение на мащабна програма) чрез сравняване на промените в резултатите с течение на времето между популация, която е включена в програма (интервенционната група) и популация, която не е (контролната група).


Фигура 1. Оценка на разликата в разликата, графично обяснение

DID се използва в обсервационни условия, където не може да се предположи заменяемост между лекуваната и контролната групи. DID разчита на по-малко строго предположение за заменяемост, т.е., при липса на лечение, ненаблюдаваните разлики между лечението и контролните групи са еднакви извънредни. Следователно, разликата в разликата е полезна техника, която да се използва, когато рандомизирането на индивидуално ниво не е възможно. DID изисква данни от преди / след интервенция, като данни за кохорта или панел (данни от индивидуално ниво във времето) или данни от повторно сечение (индивидуално или групово ниво). Подходът премахва пристрастия в сравненията на периода след интервенцията между лекуваната и контролната група, които биха могли да бъдат резултат от постоянни различия между тези групи, както и отклонения от сравненията във времето в лечебната група, които биха могли да бъдат резултат от тенденции поради други причини за резултата.

Причинни ефекти (Ya = 1 - Ya = 0)
DID обикновено се използва за оценка на ефекта от лечението върху лекувания (причинен ефект при изложените), въпреки че с по-силни предположения техниката може да се използва за оценка на средния ефект на лечение (ATE) или причинния ефект върху популацията. Моля, вижте статията на Lechner 2011 за повече подробности.

Предположения

За да се оцени какъвто и да е причинно-следствен ефект, трябва да са налице три предположения: заменяемост, позитивност и предположение за стойността на стабилна единица (SUTVA) 1
. Оценката на DID също изисква:

  • Интервенция, несвързана с резултата на изходно ниво (разпределението на интервенцията не се определя от резултата)

  • Лечението / интервенцията и контролните групи имат паралелни тенденции в резултата (вижте по-долу за подробности)

  • Съставът на интервенционните и сравнителни групи е стабилен при многократно проектиране на напречно сечение (част от SUTVA)

  • Без ефекти на преливане (част от SUTVA)

Паралелно предположение за тенденция
Предполагането за паралелен тренд е най-критичното от горните четири предположения за осигуряване на вътрешна валидност на DID моделите и е най-трудно изпълнимото. Изисква се, че при липса на лечение разликата между групата „лечение“ и „контролна“ е постоянна във времето. Въпреки че няма статистически тест за това предположение, визуалната проверка е полезна, когато имате наблюдения през много времеви точки. Предполага се също, че колкото по-малък е тестваният период от време, толкова по-вероятно е да се приеме предположението. Нарушаването на предположението за паралелен тренд ще доведе до пристрастна оценка на причинно-следствения ефект.

Среща на предположението за паралелен тренд 2

Нарушение на предположението за паралелен тренд 3

Модел на регресия
DID обикновено се прилага като термин за взаимодействие между времеви и фиктивни променливи на групата на лечение в регресионен модел.
Y = β0 + β1 * [Време] + β2 * [Интервенция] + β3 * [Време * Интервенция] + β4 * [Ковариати] + ε

Силни страни и ограничения
Силни страни

Харлем Ню Йорк
  • Интуитивно тълкуване

  • Може да получи причинно-следствен ефект, използвайки данни от наблюдения, ако са изпълнени предположенията

  • Може да използва данни за индивидуално и групово ниво

  • Групите за сравнение могат да започнат на различни нива на резултата. (DID се фокусира върху промяна, различна от абсолютните нива)

  • Отчита промяна / промяна поради фактори, различни от интервенция

Ограничения

  • Изисква изходни данни и група без намеса

  • Не може да се използва, ако разпределението на интервенцията се определя от изходния резултат

  • Не може да се използва, ако групите за сравнение имат различна тенденция на резултатите (Abadie 2005 предложи решение)

  • Не може да се използва, ако съставът на групите преди / след промяната не е стабилен

Най-добри практики

  • Уверете се, че тенденцията на резултата не е повлияла на разпределението на лечението / интервенцията

  • Придобийте повече точки от данни преди и след това, за да тествате предположението за паралелен тренд

  • Използвайте линеен вероятностен модел, за да помогнете за разбираемостта

  • Не забравяйте да изследвате състава на популацията в групи за лечение / интервенция и контрол преди и след интервенцията

  • Използвайте стабилни стандартни грешки, за да отчетете автокорелацията между pre / post в същия индивид

  • Извършете субанализ, за ​​да видите дали интервенцията е имала подобен / различен ефект върху компонентите на резултата

Презентация на Epi6 в клас 30 април 2013 г.

rav v st paul

1. Рубин, DB. Анализ на рандомизация на експериментални данни в теста за рандомизация на Фишър. Вестник Американска статистическа асоциация, 1980.
2. Адаптирано от вертикални връзки и конкуренция на пазарите на дребно на бензин, 2004 (Джъстин Хейстингс)
3. Адаптирано от Оценка на ефекта от програмите за обучение върху доходите, преглед на икономиката и статистиката, 1978 г. (Orley Ashenfelter)

Четения

Учебници и глави

  • Предимно безвредна иконометрия: Глава 5.2 (стр. 169-182)


    Angrist J., Pischke J.S. 2008. Предимно безвредни иконометрия, Princeton University Press, NJ.
    http://www.mostlyharmlesseconometrics.com/
    Тази глава обсъжда DID в контекста на първоначалното поле на техниката, Иконометрия. Той дава добър преглед на теорията и предположенията за техниката.

  • Оценка на въздействието на СЗО на практика: Глава 6.


    http://siteresources.worldbank.org/EXTHDOFFICE/Resources/5485726-1295455628620/Impact_Evaluation_in_Practice.pdf
    Достъп на 9 февруари 2013 г.
    Тази публикация дава много ясен преглед на оценката на DID от гледна точка на оценката на здравната програма. Има и раздел за най-добрите практики за всички описани методи.

Методологически статии

  • Bertrand, M., Duflo, E., & Mullainathan, S. Колко трябва да се доверяваме на разликите в разликите? Тримесечен вестник по икономика. 2004 г.


    Тази статия, критикуваща DID техниката, получи много внимание в тази област. Статията обсъжда потенциални (може би сериозни) пристрастия по отношение на DID грешка. Статията описва три потенциални решения за справяне с тези пристрастия.

  • Cao, Zhun et al. Подходи за разлика в разликата и инструментални вариабели. Алтернатива и допълнение към съвпадението на оценките за склонност при оценка на ефектите от лечението. Кратко издание на CER: 2011.


    Информативна статия, която описва силните страни, ограниченията и различната информация, предоставена от DID, IV и PSM.

  • Лехнер, Майкъл. Оценката на причинно-следствените ефекти чрез методите за разлика в разликата. Департамент по икономика, Университет в Сейнт Гален. 2011 г.


    Тази статия предлага задълбочена перспектива за подхода DID и обсъжда някои от основните проблеми с DID. Той също така предоставя значително количество информация за разширенията на DID анализа, включително нелинейни приложения и съвпадение на оценката за склонност с DID. Приложимо използване на нотация на потенциален резултат, включена в доклада.

  • Norton, Edward C. Условия за взаимодействие в Logitand Probitmodels. UNC в Чапъл Хил. Академия Здраве 2004.


    Тези слайдове за лекции предлагат практически стъпки за внедряване на DID подход с двоичен резултат. Линейният вероятностен модел е най-лесен за изпълнение, но има ограничения за прогнозиране. Логистичните модели изискват допълнителна стъпка в кодирането, за да направят термините за взаимодействие интерпретируеми. За тази стъпка е предоставен държавен код.

  • Абади, Алберто. Полупараметрични оценки на разликата в разликата. Преглед на икономическите изследвания. 2005 г.


    В тази статия се обсъждат подробно предположенията за паралелни тенденции и се предлага метод на претегляне за DID, когато допускането за паралелен тренд може да не е налице.

Статии за кандидатстване

Здравни науки

Примери за генерализирана линейна регресия:

  • Branas, Charles C. et al. Анализ на разликите в разликите на здравето, безопасността и озеленяването на свободното градско пространство. Американски вестник по епидемиология. 2011 г.
  • Harman, Jeffrey et al. Промени в разходите на член на месец след изпълнението на демонстрацията на реформа в медицината във Флорида. Изследвания на здравните услуги. 2011 г.
  • Wharam, Frank et al. Използване на спешно отделение и последващи хоспитализации сред членовете на здравен план с висока приспадаемост. ДЖАМА. 2007 г.

Примери за логистична регресия:

  • Bendavid, Eran et al. Помощ за развитие на ХИВ и смъртност при възрастни в Африка. ДЖАМА. 2012 г.
  • Carlo, Waldemar A et al. Обучение за грижи за новородени и перинатална смъртност в развиващите се страни. NEJM. 2010 г.
  • Гай, Гери. Ефектите от разделянето на разходите върху достъпа до грижи сред бездетни възрастни. Изследвания на здравните услуги. 2010 г.
  • Кинг, Мариса и др. Политики за ограничаване на подаръците в медицинското училище и предписване от лекар на новопродавани психотропни лекарства: анализ на разликата в разликите. BMJ. 2013.
  • Li, Rui et al. Самоконтрол на кръвната глюкоза преди и след разширяване на медицинската помощ сред бенефициенти на meicare с диабет, които не използват инсулин. 2008 г.
  • Райън, Андрю и сътр. Ефектът от фаза 2 на демонстрацията на първокласното стимулиране на качеството на болницата върху стимулите за болници, които се грижат за пациенти в неравностойно положение. Изследвания на здравните услуги. 2012 г.

Примери за линейна вероятност:

онлайн юридическо училище jd
  • Bradley, Cathy et al. Часове на изчакване за хирургия и специални услуги за застраховани и неосигурени пациенти с рак на гърдата: Има ли значение състоянието на болничната мрежа за безопасност? HSR: Изследвания на здравните услуги. 2012 г.
  • Monheit, Alan et al. Как държавната политика за разширяване на зависимото покритие повлия на здравноосигурителния статус на младите възрастни? HSR: Изследвания на здравните услуги. 2011 г.

Разширения (Различия в разликите в разликите):

  • Afendulis, Christopher et al. Въздействието на част D на medicare върху процента на хоспитализация. Изследвания на здравните услуги. 2011 г.
  • Домино, Мариса. Увеличаване на времевите разходи и доплащанията за лекарства с рецепта: анализ на политическите промени в сложна среда. Изследвания на здравните услуги. 2011 г.

Икономика

  • Кард, Дейвид и Алън Крюгер. Минимална работна заплата и заетост: Казус на индустрията за бързо хранене в Ню Джърси и Пенсилвания. Американският икономически преглед. 1994 г.
  • DiTella, Rafael and Schargrodsky, Ernesto. Намалява ли полицията престъпността? Оценки за използване на разпределението на полицейските сили след терористична атака. Американски икономически преглед. 2004 г.
  • Galiani, Sebastian et al. Вода за живот: Влиянието на приватизацията на водните услуги върху детската смъртност. Списание за политическа икономия. 2005 г.

Уебсайтове

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

Статистически (пример R и държавен код)
http://thetarzan.wordpress.com/2011/06/20/differences-in-differences-estimation-in-r-and-stata/

Курсове

На линия

  • Национално бюро за икономически изследвания

  • Какво е новото в иконометрията? Summer Institue 2007.

  • Лекция 10: Различия в разликите

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


    Бележки за лекции и видеозапис, основно фокусирани върху теорията и математическите предположения за разликата в различията в техниката и нейните разширения.

Интересни Статии

Избор На Редактора

Магистърска програма по икономика
Магистърска програма по икономика
Мариуш Козак
Мариуш Козак
Мариуш Козак е автор на книгата Enaiting Musical Time: The Bodily Experience of New Music (Oxford University Press), в която той изследва как разбирането и преживяването на музикалното време на слушателите се оформят от телесни действия и жестове. Неговите изследвания се съсредоточават върху връзката между музиката, познанието и тялото. Козак преодолява експериментални подходи от въплътени
Подаръци на ценни книжа
Подаръци на ценни книжа
НЛО се появяват отново
НЛО се появяват отново
Отвъд разговорите и фантастичните теории на конспирацията всъщност може да има сребърна подплата в опитите да се реши пъзелът от неидентифицирани летящи обекти.
Делото на сатириста Ян Бьомерман
Делото на сатириста Ян Бьомерман
Глобалната свобода на изразяването на Колумбия се стреми да подобри разбирането на международните и национални норми и институции, които най-добре защитават свободния поток от информация и изразяване във взаимосвързана глобална общност с основни общи предизвикателства, с които да се справим. За да постигне своята мисия, Глобалната свобода на изразяването предприема и възлага изследователски и политически проекти, организира събития и конференции, участва и допринася в глобалните дебати за защитата на свободата на изразяване и информация през 21-ви век.
ТРИБУТ ЗА ГЛЕН ГОЛД: Магдалена Бачевска играе вариациите на Голдбърг на Бах
ТРИБУТ ЗА ГЛЕН ГОЛД: Магдалена Бачевска играе вариациите на Голдбърг на Бах
В този запис са включени вариациите на Goldberg на J. S. Bach и соната за пиано на Ричард Щраус Op. 5: първата и последна пианистка, записани от легендарния пианист Глен Гулд. Ръководство за американски записи: „Необичайно добър запис.“ Грамофонът: Красив и интимно мащабиран. “Адам Розлах, Полско радио:„ Бачевска е много чувствителна пианистка, напълно удобно с Бах
Катедра по рехабилитация и регенеративна медицина
Катедра по рехабилитация и регенеративна медицина
Разходете се из китайски град рано сутринта и вероятно ще видите групи хора, които тренират в парка. Ще ги видите как се движат през поредица от бавни, грациозни движения. Докато телата им се преливат от едно упражнение към следващото, съзнанието им е съсредоточено само върху дълбокото си, спокойно дишане. Това древно упражнение ум-тяло е известно като тай чи (произнася се: ty CHEE) и не е нужно да живеете в Китай, за да се възползвате от него. Според Национално здравно проучване през 2007 г. в момента над 2 милиона американци практикуват тай чи.