Po co używać zmiennych kontrolnych do różnic w różnicach?

10

Mam pytanie o podejście różnic w różnicach z następującym równaniem standardowym: gdzie Treat jest zmienną fikcyjną dla grupy i postu traktowanego.

y = za + b_{1} leczyć + b_{2)} Poczta + b_{3)} leczyć \cdot Poczta + u

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

Teraz moje pytanie jest proste: dlaczego większość dokumentów nadal używa dodatkowych zmiennych kontrolnych? Pomyślałem, że jeśli założenie dotyczące trendu równoległego jest prawidłowe, nie powinniśmy się martwić o dodatkowe kontrole. Mogłem wymyślić tylko 2 możliwe powody, dla których warto używać zmiennych kontrolnych:

bez nich trendy nie byłyby równoległe
ponieważ specyfikacja DnD przypisuje wszelkie różnice w trendach między leczeniem i grupą kontrolną w czasie leczenia do interwencji (tj. termin interakcji leczyć * post) - gdy nie kontrolujemy innych zmiennych, współczynnik interakcji może być ponad - / zaniżone

Czy ktoś mógłby rzucić nieco światła na ten problem? Czy moje powody 1) lub 2) mają w ogóle sens? Nie do końca rozumiem użycie zmiennych kontrolnych w DnD.

regression multiple-regression causality

— sachin
źródło

Zapotrzebowanie na dodatkowe zmienne kontrolne może zależeć od tego, czy leczona grupa została wybrana losowo z większej grupy, a pozostała część stała się kontrolna, lub (jak częściej w analizie post-hoc) ze względu na pewne szczególne cechy.

— Henry,

5

bez nich [tj. dodatkowych zmiennych] trendy nie byłyby równoległe

Tak to prawda. Mogą istnieć trendy specyficzne dla jednostek, których nie uwzględniasz, chyba że dodasz zmienne zmieniające się w czasie do modelu.

Nawet jeśli założenie o trendach równoległych jest spełnione bez dodatkowych zmiennych, dodanie dodatkowych zmiennych może zwiększyć dokładność oszacowań, tak jak w przypadku innych regresji. Myślę, że jest to część tego, co ma na myśli Michael Chernick.

Przeważnie nieszkodliwe ekonometria ma miłą dyskusję, która może być pomocna. Patrz zwłaszcza strony 236–37.

— użytkownik697473
źródło

1

Czasami, gdy patrzymy na efekt leczenia, obliczając różnicę w odpowiedzi na leczenie po leczeniu wstępnym, mówimy, że pacjent działa jako jego własna kontrola. Celem zapewnienia grupy kontrolnej jest uwzględnienie tak zwanego efektu placebo. Czasami może wystąpić pozytywna zmiana, nawet jeśli leczenie nie zostanie zastosowane. Zatem efekt, który chcemy określić, to średni wzrost powyżej „efektu placebo”.

— Michael R. Chernick
źródło

Cześć Michael, dziękuję za odpowiedź. Myślę, że rozumiem, dlaczego potrzebujemy grup kontrolnych. Grupa kontrolna jest włączona do mojego równania regresji jako tych, którzy nie mają leczenia = 1. Więc to nie jest tak naprawdę pytanie. Pytanie brzmi, dlaczego niektóre dokumenty wykorzystują dodatkowe zmienne kontrolne oprócz powyższego równania. Byłoby świetnie, gdybyś mógł odpowiedzieć na to pytanie, a może ktoś inny. Dzięki chłopaki!

— sachin

Dlaczego nazywacie dodatkowe zmienne zmienne sterujące? Jedynym powodem, dla którego mogłem zobaczyć włączenie dodatkowych zmiennych w modelu, było to, że zmienne mogą uwzględniać niektóre warianty odpowiedzi, które nie zostały wyjaśnione przez inne zmienne w modelu.

— Michael R. Chernick,

Cóż, to w zasadzie moje pytanie: po co uwzględniać te zmienne (tj. Zmienne kontrolne, które są uwzględnione, ponieważ, jak mówisz, mogłyby wyjaśnić coś, co, jak twierdzimy, wyjaśnia leczenie), zakładając, że założenie równoległego trendu jest ważne? Mogłem jedynie założyć, że włączenie dalszych kontroli oznacza złagodzenie tego założenia - tj. Sprawdzenie, ile leczenie może wyjaśnić, nawet przy kontrolowaniu innych zmiennych. Może to być konsekwencją niemożności pełnego przetestowania założeń dotyczących trendu równoległego i może przekonać czytelnika o skutkach leczenia. Ale nie jestem pewien

— sachin

Wpływ na odpowiedź nie musi pochodzić wyłącznie z leczenia. Mówię, że inne zmienne mogą być w stanie wyjaśnić zmienność odpowiedzi niezależną od leczenia. Nie musi to mieć nic wspólnego z leczeniem interakcji z czymkolwiek.

— Michael R. Chernick,

1

Tak, oba twoje punkty mają sens. Aby zobaczyć pochodzenie dwóch różnych odmian modeli diff-in-diff, możesz zobaczyć moje slajdy wykładowe na ten temat .

— Charlie
źródło

1

Kontynuując odpowiedź Michaela, chcesz dostarczyć jak najwięcej dowodów na to, że E [u | Treat] = 0. To założenie i nigdy nie można go bezpośrednio zweryfikować, ale chcesz dać tyle zaufania czytelnikom, że pomyślałeś, dlaczego to może trzymać. Dodawanie kontroli skutecznie zaczyna rozkładać. Ponadto niektóre elementy sterujące mogą nie zapewniać wszystkiego, czego chcesz, ale mogą dać ci poczucie rodzaju rzeczy, o które nie musisz się martwić. Na przykład, jeśli masz kontrolę nad IQ, może to pomóc w rozwiązywaniu problemów dotyczących pominiętych zmiennych dotyczących zdolności.

— użytkownik1690130
źródło