Xu hướng tự chọn trong quá trình thí nghiệm

Giả sử bạn đang chạy thử nghiệm ngẫu nhiên để đánh giá hiệu quả của , giả sử một số chương trình đào tạo cho người thất nghiệp, trên Y , nói rằng cơ hội tìm được việc làm trong năm tới. Giả sử cũng có X mất thời gian: có thể nó kéo dài trong vài tháng.$X$$Y$$X$

Vì bạn chọn ngẫu nhiên, ban đầu bạn không cần phải lo lắng về xu hướng tự chọn. Nhưng trong quá trình , một số người có thể sẽ nhận ra rằng X có lợi cho họ và những người khác có thể nhận ra rằng họ đang lãng phí thời gian.$X$$X$

Kết quả là, người ta có thể mong đợi rằng trong số những người bỏ chương trình, có một tỷ lệ cao hơn các tác nhân mà hiệu quả điều trị sẽ nhỏ hơn. Điều này có thể gây ra một ước tính quá mức về hiệu quả điều trị.

Câu hỏi của tôi là :

• Là loại sai lệch được thảo luận trong tài liệu về các thí nghiệm ngẫu nhiên?
• Liệu nó có một tên kinh điển?
• Nhà nghiên cứu có cố gắng kiểm soát điều này không, và nếu có, làm thế nào?

Rõ ràng điều này được gọi là thiên vị tiêu hao . Nó rất giống với thiên vị sống sót . Bài viết này đề nghị sửa cho nó bằng cách sử dụng hiệu chỉnh Heckman . Kết hợp điểm số cũng có thể giúp phần nào . Kinh nghiệm của tôi với cả hai đã được trộn lẫn, nhưng chúng thường được sử dụng. Bạn nên tìm ra cách tiếp cận chính xác nào là phù hợp nhất cho cài đặt của bạn.

Một chỉnh sửa lần cuối: Những hai giấy tờ, trong đó nói về bounding hiệu quả điều trị trung bình, cũng có thể sử dụng cho bạn.

Tôi nghĩ rằng bài viết này có thể hữu ích cho bạn. Đó là một bài viết về thị trường việc làm của một trong những sinh viên của Heckman tại UChicago, tên là Rodrigo Pinto . Bài viết có tiêu đề "Xu hướng lựa chọn trong một thử nghiệm được kiểm soát: Trường hợp chuyển sang cơ hội." Trong thử nghiệm MTO, cơ chế gán chứng từ là ngẫu nhiên nhưng chỉ khoảng một nửa số nhận được chứng từ cuối cùng thực sự di chuyển. Điều này tạo ra một vấn đề bởi vì phân tích thông thường (điều trị có hiệu quả đối với việc điều trị hoặc cố ý điều trị) sẽ chỉ cho chúng ta biết tác động nhân quả của việc nhận được chứng từ. Tuy nhiên, chúng tôi quan tâm đến hiệu ứng nhân quả của khu phố mới, không nhận được chứng từ. Ông chỉ ra làm thế nào để phân tách tham số điều trị điển hình trên điều trị thành các thành phần có cách hiểu rõ ràng. Cụ thể, anh ta cô lập hiệu ứng nhân quả của khu phố mới.

Một điều khác bạn có thể xem là "Phân tích ý định điều trị" . Từ Wikipedia,

Một phân tích cố ý điều trị (ITT) về kết quả của một thí nghiệm được dựa trên sự chỉ định điều trị ban đầu và không dựa trên việc điều trị cuối cùng nhận được. Phân tích ITT nhằm tránh các hiện vật gây hiểu lầm khác nhau có thể phát sinh trong nghiên cứu can thiệp như sự tiêu hao không ngẫu nhiên của những người tham gia nghiên cứu hoặc trao đổi chéo.

Điều này dường như phù hợp với những gì bạn đang tìm kiếm: điều trị của bạn ban đầu là ngẫu nhiên và mọi người bỏ học không ngẫu nhiên.