myślę, że naruszenia SUTVY występują w dwóch odmianach, które nie zawsze są odrębne:

  1. „spillovers / interferences”, które wynikają z kontaktu między jednostkami w przestrzeni społecznej, towarowej lub fizycznej (smak niezależności)
  2. rozcieńczenie / stężenie efektów leczenia, które wynikają ze zmian w częstości leczenia( co ekonomiści nazywają efektami równowagi ogólnej lub niepowodzeniem ceteris paribus assumption flavor)

rozważ program szkolenia zawodowego, który uczy garstkę ludzi, jak robić na drutach i sprzedawać swoje produkty na Etsy (mały program na dużym rynku). Jeśli traktowałeś stażystów, którzy uczą ludzi z grupy kontrolnej, jak szydełkować, lub więcej dziania ma miejsce, gdy traktujesz Grupy przyjaciół (dzianie jest często działalnością społeczną), masz przykład (1). Dwa prawdziwe przykłady tego są pacjenci we wczesnych próbach leków na AIDS, dzielący się swoimi lekami lub nawadnianiem / deszczem powodującym Spływ nawozu z leczonych do kontrolowanych powierzchni.

jeśli masz obowiązkowy program szkolenia pracy, który uczy dziania i sprzedaży na lokalnym rynku rolniczym (duży program na małym rynku), można się spodziewać, że ceny szaliki i skarpetki spadnie, z korzyścią pieniężną z wiedzy dziewiarskiej maleje wraz z liczbą osób leczonych. Prawdziwym przykładem może być wpływ szkół statutowych na osiągnięcia w nauce, co może się zmienić, jeśli duży napływ uczniów szkół publicznych do innego sektora, lub program, który uczy rolników, aby wszyscy uprawiali określony rodzaj plonów. Można myśleć o tym rozcieńczeniu jako o zmianie dawki lub jako o zmianie efektu leczenia.

myślę, że często trudno jest uczynić te dwa w pełni odrębne, a (2) często działa poprzez (1)-typ kanału: inrush uczniów szkół publicznych jest problematyczne tylko z powodu konkurencyjnych ograniczeń zasobów lub efektów rówieśniczych. Jednak (2) jest bardziej subtelny niż rozlanie/interferencja, więc myślę, że w pewnym sensie „wykracza poza niezależność”.

myślę, że (1) jest często bardziej szkodliwe, ponieważ podważa wewnętrzną Ważność oszacowania, chociaż czasami możemy przedefiniować jednostkę analizy, aby była społecznością, w której jednostki wchodzą w interakcje, a nie same jednostki.

myślę o (2) jako o ograniczeniu zewnętrznej ważności, ponieważ gdy próby są małe, możemy myśleć o szacowanych efektach równowagi częściowej jako o rodzaju związanych z efektami równowagi ogólnej, które byłyby widoczne, gdyby program został skalowany w górę, a ceny i nakłady lub zmiana „dawki”. To ogranicza to, co można żądać, ale jeśli koszty małego programu próbnego już przekraczają korzyści, a przewidujemy, że korzyści spadną, jeśli program zostanie skalowany, nadal jest to przydatna informacja. Alternatywnie, SUTVA może przechowywać tylko część naszych danych, a analiza może być kontynuowana po odrzuceniu reszty. To czyni (2) mniej szkodliwym.

Oto nieco bardziej rygorystyczny sposób myślenia o tym. Możemy zapisać efekt leczenia dla osoby $i$ jako funkcję $(N-1) \times 1$ wektor wskaźnika $\mathbf{t}$, który daje zadania leczenia w pozostałej populacji: $$\Delta_i(\mathbf{t})=y^1_i(\mathbf{t})-y^0_i (\mathbf{t})$$

możemy pomyśleć o tym, jak zmienia się $\Delta_i$, zmieniając $ \ mathbf{t}$ w określony sposób.

niech $T=\Vert \mathbf{t} \ Vert$, norma $L_1$ wektora przypisania leczenia. To mówi, ile osób zostało leczonych w określonej konfiguracji leczenia. Jeśli $ \ Delta_i$ zależy od tego, gdzie te są w $ \ mathbf{t}$, trzymając$ t $ stałe, masz SUTVA naruszenie typu (1). Oznacza to, że ważne jest, czy ludzie „związani” z osobą $i$ są traktowani, czy nie, rodzaj zależności.

jeśli $ \ Delta_i$ zmienia się tylko z $t$, ale jest taka sama dla wszystkich par $ \ mathbf{t} '$ i $ \ mathbf{t}$ gdzie $\Vert \ mathbf{t’} \vert= \Vert \ mathbf{t} \ vert,$ masz naruszenie typu 2.

jeśli $ \ Delta_i (\mathbf{t})=y^1_i-y^0_i,$SUTVA jest w pełni usatysfakcjonowany, ponieważ potencjalne wyniki nie zależą od tego, jak zostanie przeprowadzone leczenie.

Podsumowując to wszystko, istnieją dwa rodzaje naruszeń SUTVA, które nie są w pełni koncepcyjnie odrębne, ale mają różne implikacje, co sprawia, że warto podkreślić ich różnice.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.