Hur ekonomer definierar och mäter behandlingseffekter

Termen behandling effektdefinieras som den genomsnittliga kausala effekten av a variabel 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.

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.

På språket för vetenskapligt experiment är en behandling något som görs för en person som kan ha effekt. I avsaknad av slumpmässiga, kontrollerade experiment, bedömer effekten av en "behandling" som ett högskola utbildning eller ett jobbutbildningsprogram för inkomst kan fördunvas av det faktum att personen gjorde valet att vara behandlad. 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.

För att mäta verkliga behandlingseffekter, ekonomer har 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 föregående exempel på "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 motivering. Forskaren kan komma att upptäcka att både utbildningsår och testresultat är positivt korrelerade med efterföljande löner, så vid tolkning av konstaterar att koefficienten som funnits på års utbildning delvis har 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 regressionsramverk liksom växlande regressioner. En mer avancerad metod baserad på dessa modelleringstekniker är Heckman tvåsteg.