316
个编辑
更改
跳到导航
跳到搜索
第98行：
第98行： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→主分层的应用
== 主分层的应用 ==
== 主分层的应用 ==
=== 不符合分配治疗的简单和复杂模式 ===
在社会科学的实验研究中，研究参与者往往不遵守随机分配的积极干预。那些被分配到治疗条件可能会失败，接受治疗后，那些被分配到控制条件的人仍然可以获得治疗。
例如，Barnard, Frangakis, Hill和Rubin (2003)在分析纽约市学校选择奖学金项目时遇到了这个挑战。通过这种干预，符合条件的学生被随机挑选出来领取奖学金券，以帮助支付纽约私立(主要是教区)学校的入学费用。在这种情况下，学生对随机分配会有不同的反应。对于随机获得代金券的学生(治疗组)，学生可以使用代金券进入私立学校，也可以拒绝代金券进入公立学校。对于那些没有获得代金券的学生(对照组)，学生可以在被拒绝经济支持的情况下就读私立学校，也可以就读公立学校。
图1显示了对随机分配的这些可能的响应，最初由Angrist, Imbens和Rubin(1996)提出。在这个图中，行标题对应的是学生在分配到代金券(治疗)条件下的反应——他们要么注册私立学校，要么不注册。栏目标题同样表明了学生在没有凭证(控制)条件下的反应。在治疗和控制条件下，四对可能的潜在反应将个体分为四种反应“概况”之一，我们在此上下文中感兴趣的主要层次，如图1所示
[[文件:主分层案例1.png]]
干预的一个关键目标是了解私立学校对学生教育结果的影响。因此，从分析的角度来看，对于作为“合规者”的学生，也就是那些在获得代金券后才进入私立学校的学生来说，干预的影响是非常重要的。
作为参考，其他在定义上可能存在的群体是“总是索取者”，即不考虑分配代金券而就读私立学校的学生;“从不接受”的学生，无论他们的分配是什么，都不会进入私立学校;还有“对抗者”，指的是那些如果得到代金券就会去公立学校上学，但如果没有得到代金券就会去私立学校上学的学生。
在这种情况下，巴纳德和他的同事(2003年)发现，对于那些在研究之前就读于低于全市平均水平的学校的学生来说，教育券提供了更好的数学成绩。
因为不完美的依从性在社会科学实验中是典型的，这样的目标估计治疗效果的子集的个人参与实验的预期是相当普遍的。除了理解合规者之间的影响，这个框架还鼓励政策制定者考虑为什么某些个体没有按照实验设计的意图做出反应。事实上，以这种方式看待简单的不符合现在是标准的做法。
=== 反事实条件下的变化 ===
Feller, Grindal, Miratrix和Page最近转发的另一个主要分层的使用(2014)是在反事实条件下调查自然发生的变异。利用启智教育影响研究(HSIS)的数据，可以观察到，没有机会参加启智教育的儿童经历了不同形式的儿童护理，如替代的、非启智教育儿童护理中心，或由父母或其他亲属在家里提供的护理。
这种差异引发了这样一个问题:如果没有学前教育，孩子们所经历的护理环境不同，学前教育参与的影响是否会有差异。
在这里，主要的兴趣层次是由儿童在分配治疗和分配控制时所经历的护理环境确定的，如图2所示。
图2中的这些主要层概括了图1所示的不符合情况。
在这个应用中，关键的亚组是两种类型的实验人群:一种是本应接受中心护理的人(图2中的单元2)，另一种是本应接受家庭护理的人(单元3)。
重要的是，Feller和他的同事发现了启智式干预的主要实验效果很大程度上被那些被诱导进入的孩子所意识到，而作为随机注册的结果，启智计划和家庭护理设置，而注册启智计划的影响基本上为零，否则那些孩子会在另一个非启智计划中心的设置。这样的结果对决定项目的有效性和项目扩展的目标有影响
=== [[文件:主分层案例2.png]] ===
=== 处理未观察到或未定义的结果 ===
另一种情况下，当一个感兴趣的结果只对经历了另一个相关结果的个体子集可见时，主体分层是有用的
例如，考虑以劳动力发展为重点的干预措施，如就业团队(例如:Frumento等人，2012;Zhang, Rubin， & Mealli, 2008)。在评估这类项目的影响时，我们可能会特别关注项目分配对工资的影响。
复杂的是，工资只对被雇佣的个人可见和明确。一种幼稚的方法是简单地比较所有观察到的在治疗后被雇用的个人的工资。然而，这种方法的一个明显问题是，干预可能会诱导那些在就业时挣得特别低的人进入劳动力市场。如果是这样的话，我们可能会错误地得出这样的结论:干预对工资有负面影响。
另一种选择是为那些不工作的人的工资赋值为零。然而，这一决定将导致对该计划对就业和以就业为条件的工资的综合影响的估计。
主分层为这一常见的分析问题提供了一个有用的解决方案。Zhang, Rubin和Mealli(2008)使用了一个主要分层框架，并根据分配给处理和控制的就业状态来定义地层，如图3所示。在这里，个体可以属于四种可能的群体之一
一组无论治疗与否都会被录用，一组无论治疗与否都不会被录用，一组只有在接受治疗时才会被录用，还有一组只有在接受控制条件时才会被录用。这个框架允许作者估计对理解项目影响特别有意义的影响
首先，通过估计各阶层参与者的比例，作者估计了干预对就业的影响。他们通过比较两个阶层的人的比例来得出结论:那些只有在得到治疗后才会被雇用的人
(即，该计划对就业有积极影响的个人)和那些只有在不被对待的情况下才会被雇用的人(即，该计划对就业有负面影响的个人)第二种和第一种的份额之间的差异是对就业的影响。
其次，对于那些在任何一种实验条件下被聘用的人，他们可以研究分配待遇对工资的影响。例如，在相关工作中，Lee(2009)发现，对于那些在两种实验条件下会被雇佣的人来说，工作团队确实会导致工资的增加，并基于这些结果得出结论，该项目通过增加人力资本(通过在这部分研究参与者中增加工资来衡量)和通过增加那些没有机会而不会被雇佣的人的就业率来影响劳动力市场结果。
=== [[文件:主分层案例3.png]] ===
=== 替代结果和调解 ===
主体分层的第三个应用涉及替代结果和调解问题。当追踪长期结果的成本过高或不可行时，替代结果就变得重要起来。调解问题对于理解干预行动的因果途径非常重要。
在这个领域最近的一个应用是Page(2012)对职业学院高中的研究。人力示范研究公司（MDRC）对这一高中模型的实验评估发现，随机录取进入职业学院对传统教育结果例如高中成绩，高中完成度，或者大学学历等没有影响。然而，高中毕业几年后，随机分配到职业学院的学生比对照组的学生收入要高得多。鉴于我们经常把这些传统教育里程碑视为未来劳动力市场成功的重要途径，这一组结果令人困惑。Page(2012)探索了一个假设，即通过项目提供的实习和工作见习等机会接触工作世界有助于这些积极的影响。为了探索这一假设，一个关键的分析步骤是根据学生如果有机会参加职业学院将会经历的劳动力市场暴露的变化程度来分层。
因此，这项分析的兴趣层次是由学生在实验和控制条件下所获得的工作环境接触程度来定义的。
根据学生报告的参与劳动力市场暴露活动的信息，Page将处理和控制条件下的学生分为低、中、高水平暴露。
[[文件:主分层案例4.png]]
图4说明了此应用程序中感兴趣的层次。通过估算各个阶层的待遇效应，Page发现，那些由于职业学院的提供而在工作领域经历了最大变化的学生，待遇对他们以后收入的影响最大。
这一发现是相关的，因为它与关于职业学院的关键项目组成部分的假设是一致的，这些部分导致了学生在劳动力市场的后续成功。然而，要得出替代结果是一个中介的结论，需要对机制作进一步的假设。目前，关于如何在主要分层框架内做到这一点存在一些争论。
== 主分层的关键假设 ==
== 主分层的关键假设 ==