Hvordan økonomer definerer og måler behandlingseffekter

Begrepet behandling effekter definert som den gjennomsnittlige årsakseffekten av a variabel på en utfallsvariabel som er av vitenskapelig eller økonomisk interesse. Begrepet fikk først trekkraft innen medisinsk forskning hvor har sin opprinnelse. Siden oppstarten har begrepet utvidet seg og har begynt å brukes mer generelt som i økonomisk forskning.

Kanskje er et av de mest kjente eksemplene på behandlingseffektforskning i økonomi et treningsprogram eller videregående utdanning. På det laveste nivået har økonomer vært interessert i å sammenligne inntjeningen eller lønnen til to primærgrupper: en som deltok i treningsprogrammet og en som ikke gjorde det. En empirisk studie av behandlingseffekter begynner generelt med disse typer enkle sammenligninger. Men i praksis har slike sammenligninger det store potensialet for å lede forskere til villedende konklusjoner av årsakseffekter, noe som bringer oss til det primære problemet i behandlingseffektforskning.

På språket for vitenskapelig eksperimentering er en behandling noe som gjøres for en person som kan ha effekt. I mangel av randomiserte, kontrollerte eksperimenter, skiller effekten av en "behandling" som en høyskole utdanning eller et jobbopplæringsprogram på inntekt kan bli skyet av det faktum at personen tok valget om å være behandlet. Dette er kjent i det vitenskapelige forskningsmiljøet som seleksjonsskjevhet, og det er et av de viktigste problemene i estimering av behandlingseffekter.

Problemet med seleksjonsskjevhet kommer i hovedsak ned til sjansen for at "behandlede" individer kan avvike fra "ikke-behandlede" individer av andre årsaker enn selve behandlingen. Som sådan ville resultatene av slik behandling faktisk et kombinert resultat av personens tilbøyelighet til å velge behandling og effekten av selve behandlingen. Det er det klassiske problemet med behandlingseffekter å måle behandlingens virkelige effekt mens du screener ut effekten av seleksjonsskjevhet.

For å måle ekte behandlingseffekt, økonomer har visse metoder tilgjengelig for dem. En standardmetode er å regressere utfallet på andre prediktorer som ikke varierer med tiden så vel som om personen tok behandlingen eller ikke. Ved å bruke forrige eksempel på "utgavebehandling" som ble introdusert ovenfor, kan en økonom anvende en regresjon av lønn, ikke bare på utdannelsesår, men også på testpoeng som er ment å måle evner eller motivasjon. Forskeren kan komme til å finne at både utdanningsår og testpoeng er positivt korrelert med påfølgende lønn, så når de tolker funn koeffisienten som ble funnet på mange års utdanning har delvis blitt renset for faktorene som forutsier hvilke mennesker som ville valgt å ha mer utdanning.

Basert på bruk av regresjoner i forskning om behandlingseffekter, kan økonomer kanskje henvende seg til det som er kjent som potensielle resultatrammer, som opprinnelig ble introdusert av statistikere. Potensielle utfallsmodeller bruker i hovedsak de samme metodene som å bytte regresjonsmodeller, men potensielle utfallsmodeller er ikke knyttet til et lineært regresjonsramme som for å bytte regresjoner. En mer avansert metode basert på disse modelleringsteknikkene er Heckman-totrinns.