Các kỹ thuật thực nghiệm để hiển thị quan hệ nhân quả là gì?

Hồi quy tuyến tính đơn giản chỉ cho thấy mối tương quan giữa hai biến. Để thiết lập quan hệ nhân quả, hai phương pháp thường được dạy là hồi quy IV và thí nghiệm tự nhiên. Các phương pháp khác mọi người sử dụng để thiết lập quan hệ nhân quả là gì?

Các thí nghiệm tự nhiên thường là một thiết lập cho suy luận nguyên nhân chứ không phải là một công cụ suy luận nguyên nhân mỗi se. Bạn thường cần sử dụng một cái gì đó như các biến số khác biệt hoặc công cụ dù thế nào ngay cả khi bạn có một thử nghiệm tự nhiên.

Dưới đây là danh sách các phương pháp suy luận nguyên nhân thống kê (Cách tiếp cận: Mô tả Lay)

• Biến công cụ : Biến được gán ngẫu nhiên X chỉ ảnh hưởng đến Z thông qua Y
• Sự khác biệt về sự khác biệt : Nếu hai nhóm có xu hướng chung và chỉ có một nhóm được điều trị thì sự thay đổi về sự khác biệt giữa các nhóm là hiệu quả điều trị
• Hồi quy không liên tục : Nếu một ngưỡng cứng xác định điều trị, hãy nhìn vào sự khác biệt ngay xung quanh ngưỡng đó
• Kết hợp điểm số theo tỷ lệ : Tạo nhóm kiểm soát bằng cách khớp các quan sát chưa được điều trị có khả năng được điều trị (nhưng thực tế không được điều trị) với các quan sát được điều trị với xác suất điều trị tương tự.
• Kết hợp khoảng cách Manhalobis : Tạo một nhóm kiểm soát bằng cách khớp các quan sát chưa được xử lý trông giống như được điều trị. Một thước đo khoảng cách đáng chú ý khác là Coarsened Exact Match .
• Kiểm soát tổng hợp : Khi bạn chỉ có một quan sát được xử lý, hãy tạo một tổng hợp các quan sát chưa được xử lý, riêng lẻ là các điều khiển không hoàn hảo nhưng lại hoạt động như một điều khiển tốt.
• Đoàn hệ tổng hợp - Xử lý các quan sát lặp đi lặp lại của các nhóm như một nhóm các cá nhân và sử dụng các kỹ thuật của bảng điều khiển.
• Mô hình thiên vị lựa chọn như hiệu chỉnh Heckman : Giả sử một dạng tham số cho sai lệch lựa chọn và loại bỏ nó, do đó, kết quả hồi quy đã sửa có thể được giải thích theo nguyên nhân.
• Trọng số mẫu rộng hơn - sửa lỗi sai lệch do sự tham gia nội sinh và tính không đồng nhất theo mô hình bằng cách cân các đơn vị mẫu để trông giống như dân số thực sự quan tâm.

Sự khác biệt về sự khác biệt có lẽ là phương pháp ưa thích trong toán kinh tế lượng (mặc dù nó đòi hỏi phải có bootstraping, tức là sửa dữ liệu từ tự tương quan). Về cơ bản, nó so sánh sự tiến hóa của hai nhóm, từ một điểm mà không có đối tượng nào thuộc yếu tố đã cho đến điểm mà một trong số chúng là đối tượng của yếu tố đó. Một ví dụ nổi tiếng là Thẻ và Krueger sử dụng phương pháp này để điều tra tác động của mức lương tối thiểu.

Thiết kế gián đoạn hồi quy giống như sự khác biệt về sự khác biệt là một phương pháp để khai thác các thí nghiệm tự nhiên. Nó xây dựng trên các quy tắc tùy ý đưa ra các "phương pháp điều trị" khác nhau cho các đơn vị tương tự khác.

Một ví dụ từ Wikipedia:

Nếu tất cả học sinh trên một lớp học đã cho, ví dụ 80% cho học bổng, có thể gợi ra hiệu quả điều trị tại địa phương bằng cách so sánh học sinh với mức cắt giảm 80%: Trực giác ở đây là học sinh đạt 79% rất giống với một học sinh đạt 81%. Đã đạt ngưỡng xác định trước là 80%, tuy nhiên, một học sinh sẽ nhận được học bổng trong khi những học sinh khác thì không. So sánh kết quả của người được trao giải (nhóm điều trị) với kết quả phản tác dụng của người không nhận (nhóm đối chứng) do đó sẽ mang lại hiệu quả điều trị tại chỗ.

Để theo dõi nhận xét của @EnergyNumbers, quan hệ nhân quả chảy từ lý thuyết của bạn .

Một điểm khác biệt chính là đây: toán học trong bất kỳ phương pháp nào trong câu trả lời của @ BKay được thiết kế để nhổ ra các con số ở cuối quy trình. Ví dụ, hãy xem xét một diff-in-diff trong đó cách đối xử của bạn là một điều ngớ ngẩn như bị con chó liếm vào mặt. Bạn luôn có thể thiết lập một diff-in-diff để xem liệu bị chó liếm vào mặt có khiến con người trở thành phi hành gia hay không.

Silliness sang một bên, suy nghĩ về quan hệ nhân quả từ đầu có thể khá hữu ích - bao gồm cả sự lựa chọn của bạn về thủ tục. Các hội thảo về kinh tế thường xoay quanh khả năng tồn tại của lý thuyết và tính hợp lệ của các giả định.