書籍資訊簡介
- 數據分析的力量 Google、Uber都在用的因果關係思考法
- book information
隨機對照實驗 (RCT)
將實驗區分為介入組跟比較組，藉由探究兩者的介入效果(Treatment Effect)，即：有介入的組-沒有介入的組的效果
介入組：有受到政策/措施影響的組別
比較組：沒有受到政策/措施影響的組別
在商業領域，RCT = A/B test
假設
- 如果沒有介入(政策/措施的影響)，比較組的平均 \(Y_C\) 會與介入組的平均 \(Y_T\) 相同
注意點
妥善建立群組
一定要隨機分組
各組樣本數需充足
優缺點
優
因果關係強
分析手法與結果具透明性
缺
- 實施成本高昂
RD 設計
當 RCT 無法使用時使用，可將 RD 設計想成在界線附近自然發生的 RCT。
利用自然實驗(= 猶如人工作出實驗的自然發生情況)分析
假設
- 如果 \(X\) 未在界線上變動，\(Y\) 就不會在界線上發生跳躍
實務上是個不容易證實的假設
注意點
要先找出「界線」上，僅因一種因素(\(X\))發生不連續變化的情況
需要檢驗其他因素是否也會導致 \(Y\) 在界線上發生跳躍，如果會，那 RD 假設就不成立，結果解釋會不準確。
優缺
優：
只要不違反假設就可以證實因果關係
實施成本比 RCT 低廉
缺：
- 只能測試在界線附近的人之因果關係，離界線很遠的人，需要加上其他假設，否則無法解釋
例子
- 南北地理界線的電價差異是否導致家庭用電量變動
堆集分析(Bunching Analysis)
一樣在 RCT 無法使用時使用，利用資料階梯狀的變化分析因果關係
假設
- 如果 \(X\) 並未呈階梯狀變化，\(Y\)分布會平滑，不會在界線上堆集。
注意點
評估某個呈階梯狀變化的因素是否能用於分析
導致資料呈階梯狀變化的因素只有一個，沒有其他人
需要分析誘因大幅變化的分界點上發生的堆集，檢驗人 or 企業對誘因變化有甚麼反應/因果關係
例子
汽車越大台，油耗規定是否越寬鬆
所得稅的稅率是否影響工作方式
優缺
優：
假設成立，效果便近似 RCT
分析結果易於理解
缺：
只能推定分界點附近受到呈階梯狀變化誘因影響的主體
假設更難證明成立
縱橫資料分析
一樣在 RCT 無法使用時使用，假設政府/企業實施某項政策/措施時，有的群組有受到影響，有的沒有，此時：
有受到政策/措施影響的群組為介入組
沒有受到影響的為比較組
此外也有這兩個群組實施前跟實施後不同時間點的資料，就可以做縱橫資料分析，求出介入組在沒有介入(實施某項政策/措施)時的可能效果，進而得出此項政策/措施的介入效果(=實際介入效果-沒有介入時的可能效果)
假設
平行趨勢假設：
- 如果沒有發生介入，介入組的平均結果(\(Y_T\))和比較組的的平均結果(\(Y_C\))就會平行推移
注意點
主張平行趨勢假設成立需要做：
蒐集介入發生以前的資料，調查介入發生之前平行趨勢假設是否存在介入組跟比較組之間
仔細檢查介入開始後，有無其他影響因素只影響介入組跟比較組中的其中一組
若平行趨勢假設成立，就將雙方的平均數推移化成圖表，測定介入效果的平均數
例子
所得稅與移民關係的因果關係
實施景氣刺激政策是否只會增加搶購需求
優缺
優：
可應用範圍比 RD 設計跟堆集分析大
分析結果易於理解
可分析對象跟範圍比 RD 設計跟堆集分析大，可分析主體效果
缺：
- 假設很難證明是否成立，也很難成立
方法論的限制
若資料有問題，分析手法再好也無法解決
分析結果不一定能推廣到其他群體
研究者的主見(偏見)會影響資料選取的對象，進而影響結果的可靠性
理論上對介入組實施介入不影響比較組，實務上可能會被推翻
延伸閱讀
Econ 大一 ~ 大三程度
- Introductory Econometrics： A Modern Approach , Jeffrey M. Wooldridge
Econ 大三大四程度
- Mostly Harmless Econometrics: An Empiricist’s Companion, Angrist, Joshua D., Pischke, Jorn-Steffen
Econ 研究所程度
- Microeconometrics: Methods and Applications, Cameron, A. Colin, Trivedi, Pravin K
小心得
因為作者是實證經濟學背景，讀起來有熟悉又陌生的感覺，裡面的東西感覺也跟實驗設計有連結。不過因為書籍的內容是設計給高中生閱讀，因此只有通識程度，詳細介紹與細部的數學推導可能還需要靠延伸閱讀裡的書籍介紹。