Hoe economen behandeleffecten definiëren en meten

De voorwaarde behandeling effectwordt gedefinieerd als het gemiddelde causale effect van a variabel op een uitkomstvariabele die van wetenschappelijk of economisch belang is. De term kreeg voor het eerst grip op het gebied van medisch onderzoek waar het vandaan komt. Sinds het begin is de term verbreed en wordt deze meer algemeen gebruikt als in economisch onderzoek.

Behandelingseffecten in economisch onderzoek

Een van de bekendste voorbeelden van onderzoek naar behandelingseffecten in de economie is misschien wel een opleiding of vervolgonderwijs. Op het laagste niveau waren economen geïnteresseerd in het vergelijken van de verdiensten of lonen van twee primaire groepen: een die deelnam aan het trainingsprogramma en een die dat niet deed. Een empirische studie van de behandelingseffecten begint over het algemeen met dit soort eenvoudige vergelijkingen. Maar in de praktijk hebben dergelijke vergelijkingen het grote potentieel om onderzoekers tot misleidende conclusies van causale effecten te leiden, wat ons bij het primaire probleem in onderzoek naar behandelingseffecten brengt.

instagram viewer

Klassieke behandelingseffecten Problemen en selectiebias

In de taal van wetenschappelijke experimenten is een behandeling iets dat iemand wordt gedaan en dat een effect kan hebben. Bij gebrek aan gerandomiseerde, gecontroleerde experimenten, die het effect van een 'behandeling' als een college onderscheiden onderwijs of een beroepsopleiding over inkomen kan worden vertroebeld door het feit dat de persoon de keuze heeft gemaakt behandeld. Dit staat in de wetenschappelijke onderzoeksgemeenschap bekend als selectiebias en het is een van de belangrijkste problemen bij het schatten van behandelingseffecten.

Het probleem van selectiebias komt in wezen neer op de kans dat "behandelde" individuen kunnen verschillen van "niet-behandelde" individuen om andere redenen dan de behandeling zelf. Als zodanig zouden de uitkomsten van een dergelijke behandeling eigenlijk een gecombineerd resultaat zijn van de neiging van de persoon om de behandeling te kiezen en de effecten van de behandeling zelf. Het werkelijke effect van de behandeling meten en de effecten van selectiebias uitsluiten, is het klassieke probleem met de behandelingseffecten.

Hoe economen omgaan met selectiebias

Om echte behandelingseffecten te meten, economen beschikken over bepaalde methoden. Een standaardmethode is om de uitkomst te regresseren op andere voorspellers die niet variëren met de tijd en of de persoon de behandeling heeft genomen of niet. Met behulp van het vorige voorbeeld van "editiebehandeling" dat hierboven is geïntroduceerd, kan een econoom een ​​regressie toepassen van lonen niet alleen op jaren van opleiding, maar ook op testscores bedoeld om capaciteiten te meten of motivatie. De onderzoeker kan tot de ontdekking komen dat zowel de opleidingsjaren als de testscores positief gecorreleerd zijn met het daaropvolgende loon, dus bij het interpreteren bevindingen de gevonden coëfficiënt op jaren van onderwijs is gedeeltelijk gezuiverd van de factoren die voorspellen welke mensen zouden hebben gekozen voor meer onderwijs.

Voortbouwend op het gebruik van regressies in onderzoek naar behandelingseffecten, kunnen economen zich wenden tot wat bekend staat als het raamwerk voor potentiële resultaten, dat oorspronkelijk door statistici werd geïntroduceerd. Potentiële uitkomstmodellen gebruiken in wezen dezelfde methoden als het wisselen van regressiemodellen, maar potentiële uitkomstmodellen zijn niet gebonden aan een lineair regressiekader zoals bij het veranderen van regressie. Een meer geavanceerde methode gebaseerd op deze modelleertechnieken is de Heckman tweestaps.

instagram story viewer