Навіщо використовувати контрольні змінні в відмінностях у відмінностях?

10

У мене виникає запитання щодо підходу відмінностей у відмінностях із наступним стандартним рівнянням: де treatment - фіктивна змінна для обробленої групи та посади.

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

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

Тепер моє запитання просте: Чому більшість робіт все ще використовують додаткові контрольні змінні? Я вважав, що якщо припущення про паралельну тенденцію правильне, то ми не повинні турбуватися про додаткові елементи контролю. Я міг подумати лише про 2 можливі причини, чому слід використовувати контрольні змінні:

без них тенденції не були б паралельними
оскільки специфікація DnD пов'язує будь-які відмінності в тенденціях між лікувальною та контрольною групою на час лікування до втручання (тобто термін взаємодії лікувати * пост) - коли ми не контролюємо інші змінні, коефіцієнт взаємодії може бути перевищений - / занижено

Чи може хтось пролити світло на це питання? Чи мають мої причини 1) чи 2) взагалі сенс? Я не повністю розумію використання контрольних змінних у DnD.

regression multiple-regression causality

— сахін
джерело

Потреба в додаткових контрольних змінних може залежати від того, чи була обрана група лікування випадковим чином із більшої групи, а решта стає контрольною, або (як це частіше буває в пост-спеціальних аналізах) через деякі специфічні особливості.

— Генрі

5

без них [тобто додаткових змінних] тенденції не були б паралельними

Так, правильно. Можливо, є тенденції, характерні для одиниць, які ви не обліковуєте, якщо ви не додасте змінні в часі змінні до моделі.

Навіть якщо припущення про паралельні тренди виконується без додаткових змінних, додавання додаткових змінних може збільшити точність ваших оцінок, як і в інших регресіях. Я думаю, що це частина того, що має на увазі Майкл Черник.

Здебільшого нешкідливі економетрики мають приємну дискусію, яка може бути корисною. Див., Особливо, сторінки 236-37.

— user697473
джерело

1

Іноді, коли ми дивимось на ефект лікування, обчислюючи різницю на реакцію після лікування від попереднього лікування, ми говоримо, що пацієнт діє як власний контроль. Метою надання контрольної групи є облік ефекту так званого плацебо. Іноді можуть бути позитивні зміни, навіть якщо лікування не застосовується. Тож ефект, який ми хочемо визначити, - це середнє збільшення вище "ефекту плацебо".

— Майкл Р. Черник
джерело

Привіт Майкл, дякую за вашу відповідь. Я думаю, я розумію, навіщо нам потрібні контрольні групи. Контрольна група включена в моє рівняння регресії як ті, у кого немає лікування = 1. Тож тут насправді не питання. Питання полягає в тому, чому деякі статті використовують додаткові контрольні змінні поверх рівняння, зазначеного вище. Було б чудово, якби ви могли відповісти на це чи, можливо, хтось інший. Дякую, хлопці!

— sachin

Чому ви називаєте додаткові контрольні змінні змінні? Єдиною причиною, з якої я міг бачити включення додаткових змінних у модель, було те, що змінні можуть пояснювати деякі зміни у відповіді, які не пояснювались іншими змінними в моделі.

— Майкл Р. Черник

Ну, це в основному моє запитання: навіщо включати ці змінні (тобто контрольні змінні, які включені, тому що, як ви говорите, вони могли б пояснити щось, на що ми заявляємо, що пояснює лікування), якщо вважати, що припущення про паралельну тенденцію має місце? Я можу лише припустити, що включення подальших контрольних засобів означає послабити це припущення - тобто побачити, наскільки може пояснити лікування, навіть контролюючи інші змінні. Це може бути наслідком того, що не вдалося повністю перевірити припущення про паралельну тенденцію і могло б переконати читача більше в ефекті лікування. Але не впевнений у цьому

— sachin

Ефект на відповідь не повинен виходити виключно з лікування. Я кажу, що інші змінні можуть пояснити різні варіанти відповіді, які не залежать від лікування. Це не має нічого спільного з лікуванням, що взаємодіє з чим-небудь.

— Майкл Р. Черник

1

Так, обидва ваші пункти мають сенс. Щоб побачити виведення двох різних ароматів моделей diff-in-diff, ви можете побачити мої слайди лекцій на цю тему .

— Чарлі
джерело

1

Продовжуючи відповідь Майкла, ви хочете надати якомога більше доказів того, що E [u | лікувати] = 0. Це припущення і ніколи не може бути прямо перевірено, але ви хочете надати читачам стільки довіри, що ви подумали, чому це може триматися. Додавання елементів керування ефективно починає розкладатися u. І, можливо, деякі елементи управління не можуть отримати все, що ви хочете, але можуть дати вам уявлення про тип речей, про які вам може не потрібно хвилюватися. Наприклад, якщо у вас був контроль IQ, то це може допомогти зменшити проблеми пропущених змінних щодо здатності.

— користувач1690130
джерело