পার্থক্য মধ্যে পার্থক্য কি?

Question

পার্থক্যের পার্থক্য দীর্ঘকাল ধরে একটি অ-পরীক্ষামূলক সরঞ্জাম হিসাবে বিশেষত অর্থনীতিতে জনপ্রিয়। কেউ দয়া করে পার্থক্য মধ্যে পার্থক্য সম্পর্কে নিম্নলিখিত প্রশ্নের একটি পরিষ্কার এবং অ প্রযুক্তিগত উত্তর প্রদান করতে পারেন।

পার্থক্য-পার্থক্য অনুমানকারী কী?
পার্থক্য-পার্থক্য নির্ণায়ক কেন কোনও ব্যবহার?
আমরা আসলে পার্থক্য-পার্থক্য অনুমান বিশ্বাস করতে পারি?

Comments

গ্রেটলে পার্থক্য প্রতিরোধের পার্থক্যের অনুমান কীভাবে করা যায় কেউ জানেন? আমার কি ওএলএস বা প্যানেল ডেটা নিয়ে কাজ করতে হবে?

@ পাইকা এটি মন্তব্যগুলির অনুপযুক্ত ব্যবহারের মতো মনে হচ্ছে। এই প্রশ্নের সাথে আপনার একটি নতুন প্রশ্ন পোস্ট করা উচিত।

— chl

Answer 1

পার্থক্যের অনুমানকারীগুলির
মধ্যে পার্থক্য কীভাবে ভিন্নতাগুলির মধ্যে পার্থক্য (ডিআইডি) একটি চিকিত্সা এবং একটি নিয়ন্ত্রণ গ্রুপের ফলাফলের চিকিত্সার প্রাক এবং চিকিত্সার পরবর্তী পার্থক্যের তুলনা করে চিকিত্সার প্রভাবগুলি অনুমান করার একটি সরঞ্জাম। সাধারণভাবে, আমরা একটি চিকিত্সার প্রভাব আনুমানিক হিসাব আগ্রহী (যেমন ইউনিয়ন অবস্থা, ঔষধ, ইত্যাদি) একটি ফলাফল উপর ওয়াই আমি (যেমন মজুরি, স্বাস্থ্য, ইত্যাদি) হিসাবে ওয়াই আমি টন = α আমি + + λ টি + ρ ডি আই টি + এক্স ′ আই টি β + ϵ আই টি যেখানে $D_i$$Y_i$

$$Y_{it} = \alpha_i + \lambda_t + \rho D_{it} + X'_{it}\beta + \epsilon_{it}$$ পৃথক নির্দিষ্ট প্রভাব (ব্যক্তি সময়ের পরিবর্তন করবেন না বৈশিষ্ট্য) হয়, λ টি সময় সংশোধন করা হয়েছে প্রভাব, এক্স আমি টন ব্যক্তি বয়স মত সময় নানারকম covariates হয়, এবং ε আমি টি একটি ত্রুটি শব্দ। ব্যক্তি এবং সময়যথাক্রমে i এবং t দ্বারা সূচিযুক্ত হয়। যদি ফিক্সড এফেক্টস এবং ডি আই টি এর মধ্যে কোনও সম্পর্ক থাকে তবেওএলএসের মাধ্যমে এই প্রতিরোধের অনুমান করা পক্ষপাতদুষ্ট হবে যদি এই সিদ্ধান্ত নেওয়া যায় যে প্রভাবগুলি নিয়ন্ত্রণ করা হচ্ছে না। এটি সাধারণতবাদ দেওয়া পরিবর্তনশীল পক্ষপাতিত্ব।$\alpha_i$$\lambda_t$$X_{it}$$\epsilon_{it}$$i$$t$$D_{it}$

$t = 1, 2$$s = A,B$

$$\rho = (E[Y_{ist}|s=A,t=2] - E[Y_{ist}|s=A,t=1]) - (E[Y_{ist}|s=B,t=2] - E[Y_{ist}|s=B,t=1])$$

গ্রাফিক্যালি এটি দেখতে এরকম কিছু দেখাবে:

$A$$B$

• covariates জন্য নিয়ন্ত্রণ
• চিকিত্সা প্রভাবের জন্য এটি তাত্পর্যপূর্ণ কিনা তা স্ট্যান্ডার্ড ত্রুটিগুলি পেতে

$\text{treat}_i$$A$$\text{time}_t$$t=2$

$$Y_{it} = \beta_1 + \beta_2 (\text{treat}_i) + \beta_3 (\text{time}_t) + \rho (\text{treat}_i \cdot \text{time}_t) + \epsilon_{it}$$

$T_{it}$

$$Y_{it} = \beta_1 \gamma_s + \beta_2 \lambda_t + \rho T_{it} + \epsilon_{it}$$

$\gamma_s$$\lambda_t$

$E(Y_{0it}|i,t) = \alpha_i + \lambda_t$$E(Y_{0it}|s,t) = \gamma_s + \lambda_t$$s$

আমরা পার্থক্য মধ্যে পার্থক্য বিশ্বাস করতে পারি?
ডিআইডি-তে সর্বাধিক গুরুত্বপূর্ণ অনুমান সমান্তরাল প্রবণতা অনুমান (উপরের চিত্রটি দেখুন)। গ্রাফিকভাবে এই প্রবণতাগুলি প্রদর্শন করে না এমন কোনও অধ্যয়নের উপর কখনই বিশ্বাস করবেন না! নব্বইয়ের দশকের কাগজগুলি এটির সাথে সরে যেতে পারে তবে আজকাল আমাদের ডিডি সম্পর্কে বোঝা আরও ভাল। যদি চিকিত্সা এবং নিয়ন্ত্রণ গোষ্ঠীর প্রাক-চিকিত্সার ফলাফলগুলির মধ্যে সমান্তরাল প্রবণতাগুলি দেখায় এমন কোনও বিশ্বাসযোগ্য গ্রাফ না থাকে তবে সাবধান হন। যদি সমান্তরাল প্রবণতা অনুমান ধারণ করে এবং আমরা চিকিত্সাটিকে বিভ্রান্ত করতে পারি এমন কোনও সময়-বৈকল্পিক বিশ্বাসযোগ্যভাবে বাতিল করতে পারি, তবে ডিআইডি একটি বিশ্বাসযোগ্য পদ্ধতি।

সতর্কতার আরেকটি শব্দ প্রয়োগ করা উচিত যখন এটি স্ট্যান্ডার্ড ত্রুটিগুলির চিকিত্সার ক্ষেত্রে আসে। বহু বছরের ডেটা সহ আপনাকে স্বতঃসংশ্লিষ্টকরণের জন্য স্ট্যান্ডার্ড ত্রুটিগুলি সামঞ্জস্য করতে হবে। অতীতে, এটি অবহেলা করা হয়েছিল তবে বার্ট্র্যান্ড এট আল থেকে। (2004) "পার্থক্য-পার্থক্যের প্রাক্কলন অনুসারে আমাদের কতটা বিশ্বাস করা উচিত?" আমরা জানি যে এটি একটি সমস্যা। কাগজে তারা স্বতঃসংশোধনের সাথে মোকাবিলা করার জন্য বেশ কয়েকটি প্রতিকার সরবরাহ করে। সবচেয়ে সহজ হ'ল পৃথক প্যানেল শনাক্তকারীকে ক্লাস্টার দেওয়া যা পৃথক সময় সিরিজের মধ্যে অবশিষ্টাংশগুলির স্বেচ্ছাসেবী সম্পর্কের জন্য অনুমতি দেয়। এটি স্বতঃসংশোধন এবং ভিন্ন ভিন্ন উভয়ের জন্য সংশোধন করে।

আরও রেফারেন্সের জন্য ওয়াল্ডিনগার এবং পিসচে এই লেকচার নোটগুলি দেখুন ।

Answer 2

উইকিপিডিয়ায় এই বিষয়ে একটি শালীন প্রবেশ রয়েছে , তবে কেন আপনার আগ্রহের স্বতন্ত্র ভেরিয়েবলের মধ্যে মিথস্ক্রিয়া করার জন্য কেবল লিনিয়ার রিগ্রেশন ব্যবহার করবেন না? এটি আমার কাছে আরও ব্যাখ্যামূলক বলে মনে হয়। তারপরে আপনার আগ্রহের পরিমাণগুলি যদি পরিমাণগত হয় তবে আপনি সহজ opালু বিশ্লেষণ (গুগল বইগুলিতে কোহেন এট আল বইটিতে) পড়তে পারেন।

Answer 3

এটি একটি কৌশল যা একনোমেট্রিক্সে ব্যাপকভাবে ব্যবহৃত হয় কোনও সময়ের সিরিজের কোনও বহিরাগত ইভেন্টের প্রভাব পরীক্ষা করার জন্য। আপনি ইভেন্টটি অধ্যয়নের আগে এবং পরে সম্পর্কিত দুটি পৃথক গোষ্ঠী বেছে নিয়েছেন। আরও শিখার জন্য একটি ভাল রেফারেন্স হ'ল ওল্ড্রিজ দ্বারা ইকোনোমেট্রিক্সের ভূমিকা বইটি ।

Comments

একটি সংক্ষিপ্ত ননটেকনিক্যাল উত্তর হিসাবে এটি অ্যান্ডির উত্তরের পরিপূরক তবে আমি মনে করি না এটি কভারটি বলে "আমরা কি আসলেই পার্থক্য-পার্থক্যের প্রাক্কলনকে বিশ্বাস করতে পারি?"

— সিলভারফিশ

Answer 4

সতর্ক থাকুন:

দুটি অতিরিক্ত পয়েন্ট লক্ষণীয়। প্রথমত, মূল 92 ডিডি কাগজপত্রগুলির মধ্যে 80 টি দলবদ্ধ ত্রুটির শর্তগুলির সাথে একটি সম্ভাব্য সমস্যা রয়েছে কারণ পর্যবেক্ষণের এককটি পরিবর্তনের মাত্রার চেয়ে আরও বিশদ (ডোনাল্ড এবং ল্যাং [2001] দ্বারা আলোচিত একটি বিষয়) point এর মধ্যে কেবল 36 টি কাগজই স্ট্যান্ডার্ড ত্রুটিগুলি ক্লাস্টারিং করে বা ডেটা একত্রিত করে এই সমস্যার সমাধান করে। দ্বিতীয়ত, হস্তক্ষেপের পরিবর্তনশীলের সম্ভাব্য দীর্ঘায়ুতা মোকাবেলার জন্য বেশ কয়েকটি কৌশল ব্যবহার করা হয় (কম বেশি অনানুষ্ঠানিকভাবে)। উদাহরণস্বরূপ, তিনটি কাগজপত্র সমীকরণের মধ্যে একটি পিছিয়ে নির্ভরশীল পরিবর্তনশীল (1) অন্তর্ভুক্ত করে, সাতটি চিকিত্সা রাজ্যের সাথে নির্দিষ্ট সময়ের ট্রেন্ড অন্তর্ভুক্ত করে, চিকিত্সা প্রভাবের গতিবিদ্যা পরীক্ষা করার জন্য পনেরটি কিছু গ্রাফ, তিনটি আগে "প্রভাব" আছে কিনা তা পরীক্ষা করে দেখায় আইন, দুটি পরীক্ষা প্রভাব স্থির কিনা তা পরীক্ষা করে দেখুন, এবং এগারোটি নিয়ন্ত্রকভাবে অন্য একটি নিয়ন্ত্রণ গোষ্ঠী আবিষ্কার করে ট্রিপল-ডিফারেন্স (ডিডিডি) করার চেষ্টা করে। বার্ট্র্যান্ড, ডুফ্লো এবং মুল্লাইনাথন [2002] এ আমরা দেখাই যে এই কৌশলগুলির বেশিরভাগই সিরিয়াল সম্পর্কের সমস্যাগুলি হ্রাস করে না।

(বার্ট্র্যান্ড, ডুফ্লো এবং মুল্লাইনাথন 2004, 253)