Główny Inny Szacowanie różnicy w różnicy

Szacowanie różnicy w różnicy

Przegląd

Oprogramowanie

Opis

Strony internetowe

Odczyty

Kursy

Przegląd

Technika różnicy w różnicy (DID) powstała w dziedzinie ekonometrii, ale logika leżąca u podstaw tej techniki została wykorzystana już w latach pięćdziesiątych XIX wieku przez Johna Snowa i jest nazywana „kontrolowanym badaniem przed i po” w niektórych społecznościach nauki.

Opis

DID to projekt quasi-eksperymentalny, w którym wykorzystuje się dane podłużne z grup terapeutycznych i kontrolnych w celu uzyskania odpowiedniego scenariusza kontrfaktycznego w celu oszacowania efektu przyczynowego. DID jest zwykle używany do oszacowania efektu określonej interwencji lub leczenia (takiego jak uchwalenie prawa, uchwalenie polityki lub wdrożenie programu na dużą skalę) poprzez porównanie zmian w wynikach w czasie między populacją zarejestrowaną w programie (grupa interwencyjna) i populacja, która nie jest (grupa kontrolna).


Rysunek 1. Szacowanie różnicy w różnicy, wyjaśnienie graficzne

wizytówka absolwenta

DID stosuje się w warunkach obserwacyjnych, gdzie nie można założyć wymienności między grupą leczoną i kontrolną. DID opiera się na mniej ścisłym założeniu wymienności, tj. przy braku leczenia, nieobserwowane różnice między grupami leczonymi i kontrolnymi są takie same w czasie. W związku z tym różnica w różnicy jest przydatną techniką do zastosowania, gdy randomizacja na poziomie indywidualnym nie jest możliwa. DID wymaga danych z okresu przed/po interwencji, takich jak dane kohortowe lub panelowe (dane na poziomie indywidualnym w czasie) lub powtarzane dane przekrojowe (na poziomie indywidualnym lub grupowym). Podejście to usuwa błędy systematyczne w porównaniach okresu po interwencji między grupą leczoną i kontrolną, które mogą wynikać z trwałych różnic między tymi grupami, a także błędy systematyczne z porównań w czasie w grupie leczonej, które mogą być wynikiem trendów spowodowanych innymi przyczyny wyniku.

Skutki przyczynowe (Ya = 1 - Ya = 0)
DID jest zwykle używany do oszacowania wpływu leczenia na leczony (skutek przyczynowy u osób narażonych), chociaż przy silniejszych założeniach technika ta może być wykorzystana do oszacowania średniego efektu leczenia (ATE) lub efektu przyczynowego w populacji. Więcej informacji można znaleźć w artykule Lechner 2011.

Założenia

Aby oszacować jakikolwiek skutek przyczynowy, należy przyjąć trzy założenia: wymienność, dodatniość i założenie stabilnej wartości traktowania jednostek (SUTVA)1
. Szacowanie DID wymaga również, aby:

  • Interwencja niezwiązana z wynikiem w punkcie wyjściowym (przydział interwencji nie był określony przez wynik)

  • Grupy leczące/interwencyjne i kontrolne mają równoległe trendy w wynikach (szczegóły poniżej)

  • Skład grup interwencyjnych i porównawczych jest stabilny w przypadku powtarzalnego projektu przekrojowego (część SUTVA)

  • Brak efektów ubocznych (część SUTVA)

Założenie równoległego trendu
Założenie trendu równoległego jest najbardziej krytyczne z powyższych czterech założeń, aby zapewnić wewnętrzną ważność modeli DID i jest najtrudniejsze do spełnienia. Wymaga to, aby przy braku leczenia różnica między grupą „leczoną” a „kontrolną” była stała w czasie. Chociaż nie ma testu statystycznego dla tego założenia, inspekcja wizualna jest przydatna w przypadku obserwacji w wielu punktach czasowych. Zaproponowano również, że im krótszy badany okres czasu, tym bardziej prawdopodobne jest spełnienie założenia. Naruszenie założenia trendu równoległego doprowadzi do błędnych oszacowań efektu przyczynowego.

Spełnienie założenia o równoległym trendzie 2

Naruszenie założenia trendu równoległego 3

Model regresji
Y= β0 + β1*[Czas] + β2*[Interwencja] + β3*[Czas*Interwencja] + β4*[Współzmienne]+ε

Mocne strony i ograniczenia
Silne strony

  • Intuicyjna interpretacja

  • Potrafi uzyskać efekt przyczynowy na podstawie danych obserwacyjnych, jeśli spełnione są założenia

  • Może używać danych na poziomie indywidualnym i grupowym

    new york razy w stanach zjednoczonych
  • Grupy porównawcze mogą zaczynać się na różnych poziomach wyniku. (DID koncentruje się na zmianie, a nie na poziomach bezwzględnych)

  • Uwzględnia zmianę/zmianę spowodowaną czynnikami innymi niż interwencja

Ograniczenia

  • Wymaga danych podstawowych i grupy nieinterwencyjnej

  • Nie można zastosować, jeśli przydział na interwencję jest określony przez wynik wyjściowy baseline

  • Nie można użyć, jeśli grupy porównawcze mają inny trend wyników (Abadie 2005 zaproponował rozwiązanie)

  • Nie można użyć, jeśli skład grup przed/po zmianie nie jest stabilny

Najlepsze praktyki

  • Upewnij się, że trend wyniku nie wpłynął na alokację leczenia/interwencji

  • Uzyskaj więcej punktów danych przed i po, aby przetestować założenie trendu równoległego

  • Użyj liniowego modelu prawdopodobieństwa, aby pomóc w interpretacji

  • Koniecznie zbadaj skład populacji w grupach terapeutycznych/interwencyjnych i kontrolnych przed i po interwencji

  • Użyj solidnych błędów standardowych, aby uwzględnić autokorelację między pre/post u tej samej osoby

    ubezpieczenie zdrowotne dla doktorantów
  • Wykonaj analizę cząstkową, aby sprawdzić, czy interwencja miała podobny/różny wpływ na elementy wyniku

Prezentacja Epi6 na zajęciach 30 kwietnia 2013 r.

1. Rubin, DB. Analiza randomizacji danych eksperymentalnych w teście randomizacji Fishera. Czasopismo Amerykańskie Stowarzyszenie Statystyczne.1980.
3. Na podstawie Szacowanie wpływu programów szkoleniowych na zarobki, przegląd ekonomii i statystyki, 1978 (Orley Ashenfelter)

Odczyty

Podręczniki i rozdziały

Artykuły metodologiczne

  • Bertrand, M., Duflo, E. i Mullainathan, S. Jak bardzo powinniśmy ufać szacunkom różnicy w różnicach? Kwartalnik Ekonomiczny. 2004.


  • Cao, Zhun i in. Podejścia oparte na różnicach i zmiennych instrumentalnych. Alternatywa i uzupełnienie dopasowania punktacji skłonności do szacowania efektów leczenia. CER Issue Brief: 2011.


  • Lechnera, Michała. Szacowanie skutków przyczynowych metodami różnicy w różnicy. Wydział Ekonomii Uniwersytetu St. Gallen. 2011.


  • Norton, Edward C. Warunki interakcji w modelach Logitand Probit. UNC w Chapel Hill. Akademia Zdrowia 2004.


  • Abadie, Alberto. Półparametryczne estymatory różnicy w różnicy. Przegląd Studiów Ekonomicznych. 2005


    W tym artykule szczegółowo omówiono założenie trendów równoległych i zaproponowano metodę ważenia dla DID, gdy założenie trendu równoległego może się nie sprawdzić.

Artykuły aplikacyjne

Nauki o Zdrowiu

Przykłady uogólnionej regresji liniowej:

  • Branas, Charles C. i in. Analiza różnic w zakresie zdrowia, bezpieczeństwa i zazieleniania pustej przestrzeni miejskiej. American Journal of Epidemiology. 2011.
  • Harman, Jeffrey i in. Zmiany w wydatkach na członka na miesiąc po wdrożeniu demonstracji reformy pomocy medycznej na Florydzie. Badania usług zdrowotnych. 2011.
  • Wharam, Frank i in. Korzystanie z oddziału ratunkowego i późniejsze hospitalizacje wśród członków programu opieki zdrowotnej z wysokim odliczeniem. JAMA. 2007.

Przykłady regresji logistycznej:

powtarzalny ruch może spowodować obrażenia.
  • Bendavid, Eran i in. Pomoc w rozwoju HIV i śmiertelność dorosłych w Afryce. JAMA. 2012
  • Carlo, Waldemar A i in. Szkolenie w zakresie opieki nad noworodkami i umieralność okołoporodowa w krajach rozwijających się. NEJM. 2010.
  • Chłopie, Gery. Wpływ opłat na dostęp do opieki wśród bezdzietnych dorosłych. Badania usług zdrowotnych. 2010.
  • Król, Marissa i in. Polityka ograniczenia darowizn w szkołach medycznych i przepisywanie przez lekarzy nowo wprowadzanych na rynek leków psychotropowych: analiza różnic w różnicach. BMJ. 2013.
  • Li, Rui i in. Samokontrola stężenia glukozy we krwi przed i po ekspansji medicare wśród beneficjentów meicare z cukrzycą, którzy nie stosują insuliny.AJPH. 2008.
  • Ryan, Andrew i in. Wpływ fazy 2 demonstracji motywacyjnej najwyższej jakości szpitali na płatności motywacyjne dla szpitali opiekujących się pacjentami znajdującymi się w niekorzystnej sytuacji. Badania usług zdrowotnych. 2012.

Liniowe przykłady prawdopodobieństwa:

  • Bradley, Cathy i in. Czas oczekiwania na operację i usługi specjalistyczne dla ubezpieczonych i nieubezpieczonych pacjentów z rakiem piersi: czy status Hospital Safety Net ma znaczenie? HSR: Badania usług zdrowotnych. 2012.
  • Monheit, Alan i in. Jak polityka stanowa rozszerzająca ubezpieczenie zależne wpłynęła na status ubezpieczenia zdrowotnego młodych dorosłych? HSR: Badania usług zdrowotnych. 2011.

Rozszerzenia (Różnice w różnicach):

  • Afendulis, Christopher i in. Wpływ części D medicare na wskaźniki hospitalizacji. Badania usług zdrowotnych. 2011.
  • Domino, Marisa. Rosnące koszty czasu i współpłacenia za leki na receptę: analiza zmian polityki w złożonym środowisku. Badania usług zdrowotnych. 2011.

Ekonomia

  • Card, David i Alan Krueger. Płaca minimalna i zatrudnienie: studium przypadku przemysłu fast food w New Jersey i Pensylwanii. Amerykański Przegląd Gospodarczy. 1994.
  • DiTella, Rafael i Schargrodsky, Ernesto. Czy policja zmniejsza przestępczość? Szacunki dotyczące przydziału sił policyjnych po ataku terrorystycznym. Amerykański Przegląd Gospodarczy. 2004.
  • Galiani, Sebastian i in. Woda na całe życie: wpływ prywatyzacji usług wodnych na śmiertelność dzieci. Czasopismo Ekonomii Politycznej. 2005.

Strony internetowe

Metodologiczne
http://healthcare-economist.com/2006/02/11/difference-in-difference-estimation/

Statystyka (przykładowy kod R i Stata)
http://thetarzan.wordpress.com/2011/06/20/differences-in-differences-estimation-in-r-and-stata/

Kursy

online

  • Krajowe Biuro Badań Ekonomicznych

  • Co nowego w ekonometrii? Instytut Letni 2007.

  • Wykład 10: Różnice w różnicach

  • http://www.nber.org/minicourse3.html


    Notatki z wykładów i nagrania wideo, skupiające się przede wszystkim na teorii i matematycznych założeniach techniki różnicy w różnicach i jej rozszerzeniach.

Ciekawe Artykuły

Wybór Redakcji

Metaanalizy danych zagregowanych lub metaanalizy danych poszczególnych uczestników (analizy zbiorcze retrospektywnie i prospektywnie)
Metaanalizy danych zagregowanych lub metaanalizy danych poszczególnych uczestników (analizy zbiorcze retrospektywnie i prospektywnie)
PrzeglądOprogramowanieOpisStrony internetoweCzytaniaKursy PrzeglądCelem tej strony jest opisanie i porównanie i porównanie trzech podejść ilościowych — metaanalizy danych zbiorczych, metaanalizy danych indywidualnych uczestników (badanie zbiorcze retrospektywne) i prospektywnie planowane badania zbiorcze – oraz zapewnienie zasobów wspierających przyjęcie tych
5 lat po Common Core, gwałtowny wzrost odsetka niepowodzeń wśród nowojorskich uczniów szkół średnich
5 lat po Common Core, gwałtowny wzrost odsetka niepowodzeń wśród nowojorskich uczniów szkół średnich
Potencjalne oznaki długotrwałych problemów uczniów z niskimi wynikami
29 gwiazd filmowych i telewizyjnych, które ukończyły studia w Kolumbii
29 gwiazd filmowych i telewizyjnych, które ukończyły studia w Kolumbii
Ci aktorzy, komicy i osobistości telewizyjne wszyscy nazywali dom Morningside Heights: Kelly Killoren Bensimon, Pat Boone, Jesse Bradford, Julia Stiles, Brian Dennehy, Matthew Fox, James Franco, Dan Futterman, Greg Giraldo, Maggie Gyllenhaal, Amanda Seales, Amanda Peet, Jenny Slate, Kate McKinnon...
Plany światłowodowe BSNL Bengal Zachodni 2021 z ceną i ważnością
Plany światłowodowe BSNL Bengal Zachodni 2021 z ceną i ważnością
Plany światłowodowe BSNL Bengal Zachodni 2021 Cena, plany światłowodowe BSNL Bengal Zachodni 2021 Ważność, Bengal Zachodni plany ftth bsnl 2021 ze stawkami za połączenia ISD
Prezenty w postaci papierów wartościowych
Prezenty w postaci papierów wartościowych
Zbyt często lekarze stygmatyzują osoby żyjące z chorobami psychicznymi
Zbyt często lekarze stygmatyzują osoby żyjące z chorobami psychicznymi
Pomimo wieloletniego doświadczenia, lekarze utrwalają choroby psychiczne w równym lub wyższym stopniu niż ich rówieśnicy, według badań. Przeczytaj więcej o rozbieżności.
Steinway i Synowie
Steinway i Synowie
Steinway & Company jest znana na całym świecie z jakości swoich instrumentów. Produkcja pianin w Nowym Jorku jest droga, ale Steinway nadal to robi, ponieważ przeniesienie ich fabryki do Azji lub innego mniej kosztownego, ale odległego miejsca oznaczałoby utratę wieloletniego doświadczenia, które posiadają ich obecni pracownicy. Steinway & Sons produkuje 1000 fortepianów rocznie