H1 - Observationsstudier Flashcards
Hvad er potentielle outcomes?
Det kontrafaktiske udfald - hvad ville udfaldet være hvis X var/ikke-var til stede. Det outcome, som vi ikke kan observere –> der vil altid være mere end ét udfald for en enhed
Hvorfor har observationelle studier svært ved at modellere potentielle outcomes?
Uendelig mange mulige tredjevariable, der kan forklare X og Y. Det er vanskeligt at isolere forskellen af det reelle og det potentielle outcome, når mange tredjevariable er til stede.
Omitted variable bias: Variable, som vi ikke kan kontrollere for skubber vores sammenhæng. Vi tilskriver effekten til de variable, som vi kan måle, selvom det kan skyldes andre variable
Selektion - “villigheden” til at få indsatsen, hvis det er frivilligt, er korreleret med mange andre ting, som mudrer billedet meget- Observationsstudier og eksperimentelle studier finder ofte forskellige resultater, der går i hver sin retning
Ikke eksperimenter → manglende randomisering i observationsstudier.
Den ene gruppe er mere tilbøjelig til at modtage en indsats, som så er korreleret med uendeligt mange andre variable.
Rubin (2008) yapper lidt om kausalitet i observationsstudier: Hvad kan man gøre jf. ham?
1) Find x og y
2) Find ud af, om nogle har fået treatment og se om gruppen er randomiseret
3) Højt N –> STATISTISK POWEr leeets gooo
4) Kontrollere grupperne på baggrundsvariable –> Her kommer en af hans hovedpointer: Man kan med fordel i observationelle studier lave undergrupper, hvor treatment og kontrol ligner hinanden rigtig rigtig meget heh.
Hvorfor er eksperimenter bedre til at estimere en kausal effekt?
Vi kan måle begge potentielle outcomes under antagelse at randomiseringen er fuldstændig. Kan måle på gruppeniveau, hvor det ikke er muligt på individniveau.
Kan kontrollere tidsrækkefølgen → vide, at X kommer før Y i tid, fordi man selv sammensætter sit eksperiment.
Dvs. vi kan estimere det kontrafaktiske udfald, fordi treatment- og kontrolgruppen er tilfældigt tildelt.
Kan lave en balancetabel, hvor man tjekker, om t- og k-gruppe ligner hinanden på nogle baggrundsvariabler, vi observerer. Men vi forventer, at de også ligner hinanden på det, vi ikke observerer.
Alt andet holdes konstant under eksperimenter
Hvad undersøger Jones et al. (2019), og hvilken slags studie er det?
De undersøger om sundhedsprogrammer på en arbejdsplads kan øge sundhed. Basically undersøger de effekten af sundhedsprogrammer i observationelle studier.
Helt generelt et felteksperiment, som er et stor-skala RCT studie, som er designet til at undersøge effekterne af arbejdsplads-wellness programmer på medarbejdernes sundhedsudgifter, produktivitet og helbred.
Frivillig deltagelse, Universitet i Illinois og 4834 deltagere samt 3300 i treatmentgruppe
Hvordan kan sundhedsprogrammer fra Jones et al. (2019) placeres i VEDUNGS-typologi (1998)
Det er incitamenter –> De får penge for at deltage
Og det er information –> Får viden om forskellige dele af sundhed etc.
Hvad er resultaterne af Illinois workplace wellness study på de forskellige udfaldsvariable?
Medical spending:
- Ingen statistisk signifikante resultater. De kan med 95% sikkerhed udelukke 83% af de effekter, tidligere studier har påvist.
Employment and productivity
- Ingen effekter efter 12 måneders treatment på løn, jobsøgning, sygeorlov
- Dog signifikante effekter på opfattelsen af ledelsens prioritering af medarbejdernes helbred
Sundhedsadfærd
- Ingen signifikante effekter på deltagelse i aktiviteterne
- Dog positiv effekt på ”nogensinde at have fået en sundhedsscreening”
Hvorfor finder Jones, Molitor og Reif (2019) forskellige estimater i forhold til den eksisterende litteratur?
Tidligere studier har primært været observationelle studier, hvor dette er et eksperiment.
Dette studie finder stor støtte til selektion i deltagelse, hvor tidligere studier ikke har gjort det → derfor stor støtte til at bias i tidligere studier driver effekten
Publikationsbias → studier, der viser effekter, er mere tilbøjelige til at blive udgivet end andet.
Jones et al-studiet har en længere tidsramme → effekterne forsvinder over tid, hvilket studier med kortere tidshorisonter ikke fanger. I starten kan deltagerne være mere motiverede, men falde tilbage i deres vaner over tid.
Hvilken policystandard bruger forsøget i Jones et al. (2019)?
I forsøget evaluerer de på, hvordan sundhedsprogrammet påvirker deltagernes sundhedsomkostninger. Kan det betale sig for virksomheder at tilbyde sundhedsprogrammer for deres ansatte?
Dermed: samfundsøkonomiske konsekvenser. Dette kan også forståes i forbindelse med deres mål om at undersøge, hvordan øget sundhed kan øge produktiviteten på en arbejdsplads.
Kan Jones et al. (2019)s resultater generaliseres til andre individer end dem, som deltager?
Generelt nej til generaliserbarhed → fordi der er et stort selektionsbias ind i hvem der deltager i forsøget, vi kan altså ikke vurdere en direkte effekt af sundhedsprogrammer på de ansattes sundhed
Vi kan dog generalisere ud til, at sundere personer er mere tilbøjelige til at selektere sig ind i steder med sundhedsprogrammer, hvorfor det kan være en fordel for virksomheder at have sundhedsprogrammer.
De nævner selv i undersøgelsen at dem som har tilmeldt sig undersøgelsen har lavere sundhedsudgifter end dem som ikke har tilmeldt sig, hvilket skaber et bias i undersøgelsen, da dem som egentlig (teoretisk) ville få mest ud af det ikke tilmelder sig.
Undersøgelsen er lavet på University of Illinois, og det er kun medarbejdere på universitetet, hvorfor det må vurderes, at de ikke kan repræsentere den brede befolkning i USA.
Hvordan kan Jones et al. (2019) kobles bredt til pensum?
Viser observationsstudiers begrænsninger og muligheder
Viser selektionsbias, når det er frivilligt at være med
