Definiera och mäta behandlingseffekter

Termen behandlingseffekt definieras som en variabels genomsnittliga kausaleffekt på en resultatvariabel som är av vetenskapligt eller ekonomiskt intresse. Begreppet fick först dragkraft inom området medicinsk forskning där det här har sitt ursprung. Sedan starten har termen breddats och börjat användas mer allmänt som i ekonomisk forskning.

Behandlingseffekter i ekonomisk forskning

Kanske är ett av de mest kända exemplen på behandlingseffektforskning inom ekonomi ett utbildningsprogram eller avancerad utbildning. På den lägsta nivån har ekonomer varit intresserade av att jämföra intäkter eller löner för två primära grupper: en som deltog i utbildningen och en som inte gjorde det. En empirisk studie av behandlingseffekter börjar generellt med dessa typer av enkla jämförelser. Men i praktiken har sådana jämförelser den stora potentialen att leda forskare till vilseledande slutsatser om kausaleffekter, vilket leder oss till det primära problemet i behandlingseffektforskning.

Klassiska behandlingseffekter Problem och urval Bias

På språket för vetenskapligt experiment är en behandling något som görs för en person som kan ha effekt. I avsaknad av slumpmässiga, kontrollerade experiment, kan urskiljning av effekten av en "behandling" som en högskoleutbildning eller ett jobbutbildningsprogram på inkomsterna fördunvas av det faktum att personen valde att behandlas. Detta är känt inom det vetenskapliga forskningssamhället som selektionsförskjutning, och det är ett av de huvudsakliga problemen vid uppskattningen av behandlingseffekter.

Problemet med selektionsförskjutning kommer i huvudsak till att chansen att "behandlade" individer kan skilja sig från "icke-behandlade" individer av andra skäl än själva behandlingen. Som sådan skulle resultaten av en sådan behandling faktiskt vara ett kombinerat resultat av personens benägenhet att välja behandling och effekterna av själva behandlingen. Det är det klassiska behandlingseffektproblemet att mäta behandlingens verkliga effekt medan man screenar effekterna av selektionsförspänning.

Hur ekonomer hanterar urvalsbias

För att mäta verkliga behandlingseffekter har ekonomer vissa metoder tillgängliga för dem. En standardmetod är att regressera utfallet på andra prediktorer som inte varierar med tiden såväl som om personen tog behandlingen eller inte. Med hjälp av det tidigare exemplet med "utgåva-behandling" som introducerats ovan kan en ekonom tillämpa en regression av löner inte bara på utbildningsår utan också på testresultat som är avsedda att mäta förmågor eller motivation. Forskaren kan komma att upptäcka att både utbildningsår och testresultat är positivt korrelerade med efterföljande löner, så vid tolkningen av resultaten har koefficienten som hittats på utbildningsår delvis rengjorts för de faktorer som förutsäger vilka människor skulle ha valt att ha mer utbildning.

Baserat på användning av regressioner i forskning om behandlingseffekter kan ekonomer vända sig till det som kallas potentiella resultatramar, som ursprungligen infördes av statistiker. Potentiella utfallsmodeller använder i huvudsak samma metoder som att byta regressionsmodeller, men potentiella utfallsmodeller är inte knutna till ett linjärt regressionsram som liksom växlar regressioner. En mer avancerad metod baserad på dessa modelleringstekniker är Heckman tvåsteg.