Doğa | Bilimsel yöntem |
---|---|
Alt sınıf | Doğal deneyim |
Kısaltma | (tr) RDD |
Tarafından tanımlanan | Regresyon-süreksizlik analizi: Ex facto deneyine bir alternatif ( d ) |
Gelen istatistik , ekonomi , siyaset bilimi ve diğer birçok disiplinler, bir süreksizlik üzerinde regresyon ( RSD ) veya regresyon süreksizliği tasarım İngilizce olarak, bir yöntemdir nedensel çıkarsama .
Bu yöntem, araştırmacı tarafından tanımlanan bir eşiğin her iki tarafındaki gözlemlerin özelliklerine odaklanır.
Bu teknik ilk olarak Donald Thistlethwaith ve Donald Campbell tarafından bursların etkisini değerlendirmek için kullanıldı. Son zamanlarda kullanımı artmış, bu teknikle elde edilen sonuçlarla randomize kontrollü çalışmalarla elde edilen sonuçların karşılaştırılmasıyla alaka düzeyi doğrulanmıştır .
RSD yöntemi, tedavi grubu ve kontrol grubu için bir eşik ve bu eşiğe yakın sınırlar belirlemeye dayanır. Sınırların her birinin kesime biraz yakın olması gerekir, böylece her grupta gözlemlenen farklılıklar tedavi edilen grupların özelliklerindeki farklılığa değil tedaviye atfedilebilir. Grup özelliklerindeki farklılıklarla bağlantılı problem, randomize kontrollü denemeler yöntemi sayesinde artık önlenebilir .
En yaygın HHW tahmin stratejileri parametrik yaklaşım ve parametrik olmayan yaklaşımdır .
Parametrik olmayan yaklaşımParametrik olmayan yaklaşım arasında en çok kullanılan yöntem yerelleştirilmiş doğrusal regresyon yöntemidir:
burada eşiği temsil eder ve eğer 1'e eşit bir ikili değişkendir . eşiğin her iki tarafında aldığımız aralığı temsil eder, öyle ki .
Bu yaklaşımın avantajı, eşiğe çok yakın verilere dayanmasıdır, bu da bu eşiğin ötesinde kullanımdan gelebilecek yanlılığı azaltmayı mümkün kılar ve bu nedenle tedavi dışındaki özelliklere daha duyarlıdır. Lokalize doğrusal regresyon, sapma ve yakınsama açısından da daha iyi özelliklere sahiptir. Bununla birlikte, yalnızca ikisinden birine dayanmayan ve dolayısıyla daha sağlam sonuçlar elde etmek için her iki yaklaşımın da kullanılması tercih edilir.
Parametrik yaklaşımParametrik bir tahmin şu biçimde olabilir:
veya:
ve eşiktir. Polinom kısmı gerektiğinde kısaltılabilir veya genişletilebilir.
RDD, tedavi eşiğinde rastgele bir deneyle eşdeğer olmalıdır. Bu durum karşılanırsa, eşiğe yakın tedavi görenlerle almayanlar arasındaki farkların çok küçük olduğunu ve sadece tesadüfen oluştuğunu söyleyebiliriz. Bu koşul, incelenen ajanların (ister bireyler ister şirketler olsun) tedaviden yararlanıp yararlanmamak için durumlarını manipüle etme olasılığına sahip değilse karşılanabilir, çünkü bu bir seçim yanlılığına neden olabilir .
Belirli bir sınıf eşiğinden bir başarı bursu tesis etme örneğini ele alırsak, o zaman öğrenciler, örneğin profesörün tercihli muamelesi nedeniyle notlarını çok fazla değiştirememelidir.
Ajanların tedavi durumlarını tam olarak belirleyip belirleyemeyeceklerini kesin olarak test etmek mümkün değildir. Bununla birlikte, RDD'nin geçerliliğini doğrulayan veya azaltan birkaç test vardır.
McCrary (2008), tedavinin atfedilip edilmediğini belirleyen değişkenin gözlemlerinin yoğunluğu ile ilgilenmeyi önermiştir. Tedavi eşiği seviyesinde yoğunlukta güçlü bir süreksizlik gözlemlersek, o zaman ajanların tedaviye karşı durumlarını manipüle edebildiklerini düşünebiliriz.
Örneğin, burs almaya yakın olan bazı öğrenciler öğretmenlerinden gerekli puanın hemen üzerine çıkmaları için bir destek aldıysa, eşiğin hemen altındaki öğrenci sayısı ile eşiğin hemen üzerindeki öğrenci sayısı arasında gözle görülür bir fark göreceğiz. , bu da tahminleri önyargılı hale getirebilir.
RDD'nin geçerliliğinin, tedavi eşiğinin kenarındaki bireylerin her iki tarafta da benzer olduğu gerçeğine dayandığını gördüğümüz için, bunu gözlemlenebilir değişkenler kullanarak doğrulamaya çalışabiliriz. Önceki örnekte, şansa bağlı bazı farklılıklara rağmen oldukça benzer olması gereken demografik özellikler (yaş, cinsiyet) veya diğerleri (aile geliri vb.) İle ilgilenebilirdik.
Gözlenebilir değişkenler için olduğu gibi, eşik seviyesinde önceden belirlenmiş değişkenlerin sürekliliği beklenebilir. Bu değişkenler, tedavinin uygulanıp uygulanmadığına bağlı değildir ve niteliğinden (veya atfedilmemesinden) etkilenmemelidir. İçinde bulunduğumuz yılın akademik sonuçlarından sonra burs almanın ya da almamanın, örneğin on yıl öncesini etkilememesi gerekir. Eşik seviyesinde bu değişkenlerin süreksizliği, RDD'nin geçerliliğini sorgulayacaktır.
Süreksizlikler, işleme eşiğinin yakınında başka herhangi bir yerde fark edilirse, RDD spesifikasyonu şüphelidir. Marangoz ve Dobkin'in (2011) alkole erişim için yasal bir yaşın kurulmasının etkisi üzerine yaptığı çalışmayı örnek alabiliriz. Bu yasal yaşın getirilmesi, 21 yaş civarında morbidite ve mortalite oranlarını değiştirir. Biri diğer eşik değerlerinde beklenmedik süreksizlikler gözlemlerse, bu yasal çağın uygulanmasının önemi konusunda şüphe duyulabilir.
Parametre tahminleri, kontrol değişkenlerinin eklenmesine veya kaldırılmasına duyarlıysa, RDD modelinin geçerliliği sorgulanabilir. Büyük varyasyonlar, sınırın hemen üstünde olanların, eklenen veya çıkarılan değişkene göre hemen altındakilerden çok farklı olduğu anlamına gelebilir. Büyük değişiklikler aynı zamanda güçlü bir önyargı olduğu anlamına da gelebilir.
Calonico vd. (2019), kontrol değişkenlerinin hangi koşullarda nasıl ekleneceğini ve hassasiyetlerinin nasıl artırılacağını gösteriyor.
1960 yılında Thistlethwaith ve Campbell tarafından yapılan bir araştırma, başarı burslarının ödüllendirilmesinin akademik performans üzerindeki etkisini incelemektedir. Büyük bir önyargıdan kaçınmak için RSD'nin kullanılması gerekliydi: Bu bursu alan en iyi öğrenciler bunlar olduğundan, burs aldıktan sonra sonuçlarının sınıflarının en iyileri arasında olmaya devam etmesi şaşırtıcı olmayacaktır. Bu post hoc ergo propter hoc tuzağına düşmemek için RSD araştırmacılar tarafından harekete geçirilir.
Bursu alan öğrenciler, ortalaması 15 / 20'nin üzerinde olan öğrencilerdir. Araştırmacılar iki örnek oluşturuyor: burs alan öğrenciler (tedavi grubu), 15 ile 15,5 arasında ve burs almayan (kontrol grubu) yaklaşık 14,5 ile 15,5 arasında olan iyi öğrenciler. Neredeyse aynı özelliklere sahip öğrencileri seçerek, öğrenciler arasındaki özellik farklılıklarından kaynaklanabilecek olası önyargıyı ortadan kaldırıyoruz.
Yöntem, özellikle eşiğin yaş olduğu durumlarda politikaların etkisini değerlendirmek için kullanılabilir. Alkol satın almak için asgari yaşın etkililiğine ilişkin çalışmalar, eğer ülke yalnızca 18 yaş ve üstü kişilere alkol satışına izin veriyorsa, 18 yaşında bir eşikle bu yöntemi kullanabilir.
Yöntem, belirli sayıda çalışanı olan şirketleri etkileyen kamu politikaları için de kullanılmaktadır. Politikanın etkisini tahmin etmek için belirlenen eşik, şirketlerin kamu politikası için uygun oldukları eşiktir.