JEG tror SUTVA-brudd kommer i to smaker, som ikke alltid er forskjellige:

  1. «spillovers / interferenser» som oppstår fra kontakt på tvers av individer i sosial, råvare eller fysisk rom (uavhengighetssmak)
  2. fortynning / konsentrasjon av behandlingseffekter som stammer fra endringer i utbredelsen av behandling (hva økonomer kaller generelle likevektseffekter eller svikt i ceteris paribus assumption flavor)

Vurder et jobbopplæringsprogram som lærer en håndfull mennesker hvordan de skal strikke og selge produksjonen på Etsy (et lite program i et stort marked). Hvis du har behandlet traineer som lærer kontrollgruppefolk hvordan man hekler, eller mer strikking skjer når du behandler vennegrupper (strikking er ofte en sosial aktivitet), har du et eksempel på (1). To virkelige eksempler på dette er pasienter i TIDLIGE AIDS-legemiddelforsøk som deler medisiner eller vanning / regn som forårsaker gjødselavrenning fra behandlede til kontrollplott.

Hvis du har et obligatorisk jobbopplæringsprogram som lærer strikking og salg på et lokalt bondemarked (stort program i et lite marked), kan du forvente at prisene på skjerf og sokker skal plummet, med den økonomiske fordelen av strikkekunnskapen som faller med antall behandlede personer. Et ekte verdenseksempel er effekten av charterskoler på akademisk prestasjon, noe som kan endres hvis du hadde en stor tilstrømning av offentlige skoleelever i den andre sektoren, eller et program som lærer bønder å dyrke en bestemt type avling. Du kan tenke på denne fortynningen som enten en doseendring eller som en slags behandlingseffektendring.

jeg synes det ofte er vanskelig å gjøre disse to helt forskjellige, og (2) opererer ofte gjennom (1)-type kanal: oppstart av offentlige skoleelever er bare problematisk på grunn av rivaliserende ressursbegrensninger eller peer-effekter. Men (2) er mer subtil enn spillover/interferens, så jeg tror det går «utover uavhengighet» på en eller annen måte.

jeg tror (1) er ofte mer skadelig, siden det undergraver intern validitet av et estimat, selv om vi noen ganger kan omdefinere analysenheten til å være samfunnet der enkeltpersoner samhandler i stedet for individene selv.

jeg tenker på (2)som å omskrive den eksterne validiteten, siden når forsøkene er små, kan vi tenke på de estimerte partielle likevektseffektene som en slags bundet på de generelle likevektseffektene som ville bli sett hvis programmet ble skalert opp og priser og innganger eller» dosering » endres. Dette begrenser hva du kan kreve, men hvis kostnadene ved det lille prøveprogrammet allerede overstiger fordelene, og vi forventer at fordelene vil avta hvis programmet er oppskalert, er det fortsatt nyttig informasjon. ALTERNATIVT kan SUTVA bare holde for en del av våre data, og analysen kan fortsette når resten er kassert. Dette gjør (2) mindre skadelig.

her er en litt strengere måte å tenke på dette. Vi kan skrive behandlingseffekten for person$ i $som en funksjon av $ (N-1) \ ganger 1 $ indikatorvektor $\mathbf{t} $ som gir deg behandlingsoppgaver i den gjenværende befolkningen: $$ \ Delta_i (\mathbf{t}) = y^1_i (\mathbf{t}) – y^0_i (\mathbf{t})$$

Vi kan tenke på hvordan $ \ Delta_i$ varierer når vi endrer $\mathbf{t}$ på bestemte måter.

La $T=\vert \mathbf{t} \vert$, $L_1$ normen for behandlingsoppgavevektoren. Dette forteller deg hvor mange personer som ble behandlet i en bestemt behandlingskonfigurasjon. Hvis $ \ Delta_i$ avhenger av hvor de er i $\mathbf{t}$, holder $T $ fast, har DU SUTVA brudd på type (1). Dette betyr at det er viktig om folk» koblet » til person $i$ blir behandlet eller ikke, en slags avhengighet.

hvis $\Delta_i$ bare endres med $T$, men er det samme for alle par $\mathbf{t} ‘$ og $ \ mathbf {t}$ hvor $\vert \mathbf {t’} \ vert= \ vert \ mathbf{t} \ vert,$ har du et type 2-brudd.

hvis $\Delta_i(\mathbf{t})=y^1_i-y^0_i, er$SUTVA helt fornøyd siden de potensielle utfallene ikke avhenger av hvordan behandlingen rulles ut.

for å oppsummere alt dette, er det to TYPER SUTVA-brudd som ikke er helt konseptuelt forskjellige, men har forskjellige implikasjoner, noe som gjør det nyttig å understreke forskjellene sine.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.