De content op deze site is vertaald met behulp van kunstmatige intelligentie (AI) of machinevertalingstechnologie en kan fouten bevatten.

Skip to content

Ontleding en interpretatie van behandelingseffecten in situaties met uitgestelde uitkomst

View Publication

Author

Steve McBride (Roblox), Federico A. Bugni (Northwestern University), Ivan A. Canay (Northwestern University)

Venue

Journal of Political Economy

Abstract

Dit artikel bestudeert situaties waarin de analist geïnteresseerd is in het identificeren en schatten van het gemiddelde causale effect van een binaire behandeling op een uitkomst. We beschouwen een opzet waarin de uitkomst niet onmiddellijk na de toewijzing van de behandeling wordt gerealiseerd, een kenmerk dat alomtegenwoordig is in empirische situaties. De periode tussen de behandeling en de realisatie van de uitkomst maakt het mogelijk dat andere waargenomen acties plaatsvinden en de uitkomst beïnvloeden. In deze context bestuderen we verschillende op regressie gebaseerde schattingsgrootheden die routinematig worden gebruikt in empirisch onderzoek om het gemiddelde behandelingseffect vast te leggen, en werpen we licht op de interpretatie ervan in termen van ceteris paribus-effecten, indirecte causale effecten en selectietermen. We komen tot drie belangrijke en onderling samenhangende conclusies. Ten eerste voldoen de drie meest populaire schattingsgrootheden over het algemeen niet aan wat wij 'sterke tekenbehoud' noemen, in die zin dat deze schattingsgrootheden negatief kunnen zijn, zelfs wanneer de behandeling het resultaat positief beïnvloedt, afhankelijk van elke mogelijke combinatie van andere acties. Ten tweede voldoet de meest populaire regressie, waarin de andere acties als controlevariabelen zijn opgenomen, alleen aan sterke tekenbehoud als deze acties elkaar uitsluitende binaire variabelen zijn. Ten slotte tonen we aan dat een lineaire regressie die de andere acties volledig stratificeert, leidt tot schattingen die voldoen aan sterke tekenbehoud.