Karşı-olgusal Etki Değerlendirmesi (CIE)
Counterfactual Impact Evaluation · Ayrıca şöyle bilinir: CIE, counterfactual evaluation, counterfactual policy evaluation, impact evaluation
Karşı-olgusal Etki Değerlendirmesi (CIE), bir müdahalenin etkisini, katılımcıların başına gelenleri, müdahale gerçekleşmemiş olsaydı başlarına geleceklerle karşılaştırarak tahmin eden nedensel yöntemler ailesidir. Rubin Nedensel Modeli'nde biçimselleştirilmiş ve Heckman, Imbens ve diğerleri tarafından genişletilmiş olan CIE, modern program ve politika değerlendirme pratiğinin çoğunun temelini oluşturur.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+4 tane daha
Ne zaman kullanılır
Araştırma sorusu 'bu müdahale sonuçlarda bir değişikliğe neden oldu mu?' olduğunda ve rastgele atama mümkün olmadığında veya gerçekleşmediğinde CIE'yi kullanın. Program değerlendirmesi, sağlık ekonomisi, eğitim araştırmaları ve politika analizi boyunca, güvenilir bir karşılaştırma koşulu tanımlayabiliyorsanız ve müdahaleden önce ve/veya sonra hem tedavi gören hem de karşılaştırma birimlerine ilişkin verilere sahipseniz uygulanır. CIE'yi rutin regresyon için tek bir yöntem etiketi olarak kullanmayın; bu, belirli bir belirleme stratejisini seçen ve yöneten bir çerçevedir. Atama mekanizmasının tamamen bilinmediği ve hiçbir tasarım özelliğinin veya geçerli karşılaştırma grubunun belirlenemediği durumlarda CIE'den kaçının.
Güçlü yönler & sınırlılıklar
- Karşı-olgusal varsayımı örtük yerine açık hale getiren titiz bir nedensel çerçeve sağlar.
- Analistin verilere ve kurumsal bağlama en uygun stratejiyi seçmesine olanak tanıyan geniş bir yöntem yelpazesini (RCT, DiD, RDD, IV, eşleştirme, SCM) kapsar.
- Politika değerlendirmesinde — özellikle Avrupa Komisyonu ve Dünya Bankası tarafından — yaygın olarak benimsenmiş olması, sonuçlara kurumsal güvenilirlik kazandırır.
- Araştırmacıyı herhangi bir modeli çalıştırmadan önce belirleme varsayımlarını belirtmeye ve savunmaya zorlar, bu da belirtim aramasını azaltır.
- Deneysel kanıtların mevcut olmadığı durumlarda gözlemsel verilere geriye dönük olarak uygulanabilir.
- CIE içindeki her bir belirleme stratejisi, test edilemeyen veya kısmen test edilebilir varsayımlara dayanır; ihlaller yanlı tahminlere yol açar.
- Atama mekanizması hakkında ayrıntılı bilgi ve ön-tedavi özellikleri ve sonuçları hakkında önemli miktarda veri gerektirir.
- Çerçevenin kendisi yöntemi seçmez — bir belirleme stratejisinin varsayımlarının başarısız olduğu bir ortama yanlış uygulanması ciddi bir risktir.
- İçsel geçerlilik sağlansa bile dışsal geçerlilik (diğer popülasyonlara veya bağlamlara genelleştirilebilirlik) garanti edilmez.
SSS
Karşı-olgusal etki değerlendirmesi tek bir istatistiksel yöntem midir?
Hayır. CIE, farkların farkı, regresyon süreksizliği, araç değişkenler, eşleştirme ve sentetik kontrol gibi birden çok belirleme stratejisini kapsayan nedensel bir çerçevedir; her biri farklı veri yapılarına ve atama mekanizmalarına uygundur. Analist, kendi ortamı için uygun yöntemi seçmeli ve gerekçelendirmelidir.
CIE'nin ele aldığı nedensel çıkarımın temel sorunu nedir?
Her birim yalnızca bir durumda — tedavi edilmiş veya edilmemiş — gözlemlenir, bu nedenle karşı-olgusal sonuç asla doğrudan gözlemlenemez. CIE, bu eksik potansiyel sonucu açık hale getirir ve onu mümkün olduğunca güvenilir bir şekilde yeniden yapılandırmak için tasarım özelliklerini veya istatistiksel ayarlamaları kullanır.
Hangi belirleme stratejisini seçeceğimi nasıl anlarım?
Seçim atama mekanizmasına bağlıdır: tedavi keskin bir kesinti noktasında atanmışsa, RDD kullanın; zaman içinde yalnızca bazı birimleri etkileyen doğal bir deney varsa, DiD kullanın; tedavi endojen ise ve geçerli bir aracınız varsa, IV kullanın; seçim gözlemlenebilirler üzerindeyse ve örtüşme yeterliyse, eşleştirme veya ağırlıklandırma kullanın.
ATT ve ATE arasındaki fark nedir?
ATT (tedavi edilenler üzerindeki ortalama tedavi etkisi), müdahaleyi fiilen alan birimler için ortalama nedensel etkidir. ATE ise tüm popülasyon üzerindeki ortalama etkidir. Çoğu yarı-deneysel yöntem ATT'yi belirler; yalnızca güçlü ek varsayımlar altında ATE'yi geri kazanırlar.
Karşı-olgusali nasıl doğrulamalıyım?
Plasebo testleri çalıştırın — yöntemi ön-tedavi dönemlerine veya müdahaleden etkilenmemesi gereken sonuçlara uygulayın. Tedavi gören ve karşılaştırma birimleri arasındaki kovaryetlerdeki dengeyi kontrol edin. DiD için ön-tedavi eğilim paralelliğini test edin. RDD için kesinti noktasındaki kovaryet süreksizliklerini test edin.
Kaynaklar
- Heckman, J. J., & Vytlacil, E. J. (2007). Econometric evaluation of social programs, Part I: Causal models, structural models and econometric policy evaluation. Handbook of Econometrics, 6B, 4779-4874. DOI: 10.1016/S1573-4412(07)06070-9 ↗
- Imbens, G. W., & Wooldridge, J. M. (2009). Recent developments in the econometrics of program evaluation. Journal of Economic Literature, 47(1), 5-86. DOI: 10.1257/jel.47.1.5 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/counterfactual-impact-evaluation
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Nedensel Etki AnaliziNedensel çıkarım↔ karşılaştır
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Nedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiSağlık ekonomisi↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır