Hatásbecslés

Hatásbecslés a statisztika és a társadalomtudományok területén az a folyamat, amelynek során egy beavatkozás vagy tényező által kiváltott hatást próbálunk számszerűsíteni egy adott kimenetelre. Fontos megkülönböztetni a hatás értelmezett nagyságát (estimand), és ezt a hatást megismerő becslést adó eljárást ( estimator). Gyakori estimandok közé tartozik az átlagos kezelés hatása (ATE), a kezelt csoport hatása (ATT) és a lokális átlagos kezelés-hatás (LATE).

A legerősebb bizonyítékot gyakran randomizált kontrollált kísérletek adják, ahol a kezelést véletlenszerűen rendelnek a vizsgálati egységek között. Ezzel minimalizálhatók a zavaró tényezők. Megfigyelési adatokból származó hatásbecsléshez különböző módszerek használhatók: regresszió, párosítás vagy súlyozás (propensity score), instrumentális változók (IV), különbség-különbség (DiD) és regressziós diszontinuitási megközelítés (RD).

Feltételek és korlátok: az identifikálhatóság érdekében általában feltételezik az ignorabilitást (másokkal összefüggő zavarók nem befolyásolják a kezelés kiosztását a megfigyelésen belül), SUTVA (egységek közötti interferencia hiánya és konzisztencia), és helyes modellfeltevéseket. Hibák közé tartozik a nem megfigyelt confounding, kiválasztási torzítás, mértékadat-hibák és modellhibák.

Az eredményeket a becslések pontosságával és konfidencia intervallumokkal közlik, gyakran p-értékek vagy Bayes-alapú értékek formájában. Az értelmezést segíti a szenzitivitási elemzés és szükség esetén a meta-analízis, amely több vizsgálat hatásait összegzi.