¿Puede comparar datos experimentales de estudiantes, inversores y profesionales? Diferente N, diferentes clusters

Question

Tengo datos experimentales sobre estudiantes, inversores minoristas y profesionales. La configuración (procedimiento experimental es exactamente idéntico). Cada experimento consta de 5 rondas de toma de decisiones.

Sin embargo, el tamaño de mi muestra de observaciones (participante multiplicado por 5 rondas) es diferente en cada experimento debido a 1) un número inicial diferente de participantes - por ejemplo, podría reclutar casi 500 inversores minoristas pero solo 100 estudiantes. 2) Si bien las reglas de limpieza de datos son idénticas (donde eliminé observaciones), impactan de manera diferente en los tres experimentos. Por ejemplo, me quedé con 480 inversores minoristas pero solo 79 estudiantes.

Cada experimento tiene su propio archivo Stata y archivo do de Stata.

Si bien ejecuto la misma regresión; aquí está mi pregunta:

¿Puedo comparar y contrastar los resultados de los diferentes grupos teniendo diferentes observaciones y diferentes clústeres (Agrupando los errores estándar a nivel individual)?: por ejemplo, la condición de tratamiento está asociada con un aumento de 10 puntos porcentuales en la variable dependiente en los profesionales pero con -5 puntos porcentuales negativos en los inversores minoristas. En contraste con los inversores y profesionales, no encontramos significancia en la condición de tratamiento en los estudiantes.

¡Muchas gracias por cualquier ayuda, consejo, comentario!

Answer 1

Podrías comparar los tamaños de efecto, a pesar de que las muestras sean un poco diferentes, siempre y cuando no haya ninguna sospecha de que algunas de las estimaciones estén sesgadas debido a alguna razón. Por ejemplo, tal vez en algunas muestras haya habido una aleatorización fallida con una muestra muy inclinada hacia hombres o mujeres.

Sin embargo, si todos los sujetos participaron en el mismo experimento, sería mucho mejor combinar las observaciones y hacer una regresión con variables ficticias para diferentes grupos. Obtendrás más precisión en una muestra más grande.