Quais são as técnicas empíricas para mostrar causalidade?

Uma regressão linear simples mostra apenas correlação entre duas variáveis. Para estabelecer a causalidade, dois métodos comumente ensinados são regressão IV e experimentos naturais. Quais são os outros métodos que as pessoas usam para estabelecer a causalidade?

Experimentos naturais são geralmente um cenário para inferência causal, em vez de uma ferramenta de inferência causal per se. Você geralmente precisa empregar algo como diferença na diferença ou variáveis ​​instrumentais, mesmo quando você tem um experimento natural.

Aqui está uma lista de abordagens estatísticas de inferência causal (Abordagem: descrição leiga)

• Variáveis ​​instrumentais : A variável X atribuída aleatoriamente influencia Z apenas através de Y
• Diferença nas diferenças : se dois grupos têm uma tendência comum e apenas um grupo é tratado, a mudança na diferença entre os grupos é o efeito do tratamento
• Descontinuidade de regressão : se um limiar rígido determinou o tratamento, observe a diferença em torno desse limiar
• Correspondência de pontuação de propensão : Crie um grupo de controle comparando observações não tratadas que provavelmente serão tratadas (mas não tratadas de fato) com observações tratadas com uma probabilidade de tratamento semelhante.
• Correspondência de distância de Manhalobis : crie um grupo de controle comparando observações não tratadas que se parecem com tratadas. Outra medida de distância notável é a correspondência exata aproximada .
• Controle sintético : quando você tiver apenas uma observação tratada, crie um composto de observações não tratadas que individualmente são controles imperfeitos, mas atuam coletivamente como um bom controle.
• Coortes sintéticas - trate observações repetidas de grupos como um painel de indivíduos e utilize técnicas de painel.
• Modelagem de viés de seleção como correção de Heckman : assuma uma forma paramétrica para viés de seleção e remova-a, para que os resultados da regressão corrigida possam ser interpretados causalmente.
• Ponderação da amostra de maneira mais ampla - corrija o viés resultante da participação endógena e da heterogeneidade não modelada, ponderando as unidades da amostra para parecer mais com a verdadeira população de interesse.

Diferença na diferença é provavelmente o método favorito em econometria (embora exija bootstraping, isto é, corrigindo os dados da auto-correlação). Basicamente, compara a evolução de dois grupos, de um ponto em que nenhum deles está sujeito ao fator especificado até um ponto em que um deles está sujeito ao fator. Um exemplo famoso é o uso de Card e Krueger do método para investigar o impacto de um salário mínimo.

O projeto de descontinuidade de regressão, assim como a diferença nas diferenças, é um método para explorar experimentos naturais. Ele se baseia em regras arbitrárias que dão "tratamentos" diferentes a unidades semelhantes.

Um exemplo da Wikipedia:

Se todos os alunos acima de uma determinada série - por exemplo, 80% - receberem a bolsa, é possível obter o efeito do tratamento local comparando os alunos em torno do limite de 80%: a intuição aqui é que um aluno com 79% de probabilidade é provável para ser muito parecido com um aluno com 81% - obteve o limiar predefinido de 80%, no entanto, um aluno receberá a bolsa de estudos, enquanto o outro não. Comparar o resultado do premiado (grupo de tratamento) com o resultado contrafactual do não destinatário (grupo de controle) resultará, portanto, no efeito local do tratamento.

Para acompanhar o comentário de @EnergyNumbers, a causalidade flui de sua teoria .

Uma distinção importante é a seguinte: a matemática em qualquer um dos métodos da resposta do @ BKay é projetada para cuspir números no final do procedimento. Por exemplo, considere um diff-in-diff em que seu tratamento é algo tolo como ser lambido no rosto por um cachorro. Você sempre pode configurar um diff-in-diff para ver se ser lambido no rosto por cães faz com que as pessoas se tornem astronautas.

Bobagem à parte, pensar sobre causalidade desde o início pode ser bastante útil - para incluir sua escolha de procedimento. Os seminários de economia freqüentemente giram em torno da viabilidade da teoria e da validade das suposições.