Sesgo de autoselección en el curso de los experimentos

Question

Suponga que está realizando un experimento aleatorio para evaluar el efecto de $X$ , digamos algún programa de formación para desempleados, en $Y$ La posibilidad de encontrar un trabajo en el próximo año. Supongamos también que $X$ lleva tiempo: puede durar varios meses.

Al ser aleatorio, no hay que preocuparse por el sesgo de autoselección al principio. Pero en el transcurso de $X$ Algunas personas probablemente se darán cuenta de que $X$ es beneficioso para ellos, y otros pueden darse cuenta de que están perdiendo el tiempo.

En consecuencia, cabe esperar que entre las personas que abandonan el programa haya una mayor proporción de agentes para los que el efecto del tratamiento habría sido menor. Esto podría inducir una sobreestimación del efecto del tratamiento.

Mis preguntas son :

• ¿Se discute este tipo de sesgo en la literatura sobre experimentos aleatorios?
• ¿Tiene un nombre canónico?
• ¿Intenta el investigador controlar esto, y si es así, cómo?

Answer 1

Aparentemente esto se llama sesgo de deserción . Es muy similar a sesgo de supervivencia . Este documento sugieren corregirlo utilizando Corrección de Heckman . Emparejamiento de la puntuación de la propensión también puede ayuda algo . Mi experiencia con ambos ha sido mixta, pero son de uso común. Debes averiguar qué enfoque exacto es el más apropiado para tu entorno.

Una última edición: Estos dos que hablan de la limitación del efecto medio del tratamiento, también pueden serle de utilidad.

Answer 2

Creo que este documento puede ser útil para usted. Es un trabajo sobre el mercado de trabajo realizado por uno de los estudiantes de Heckman en UChicago, llamado Rodrigo Pinto . El documento se titula "Sesgo de selección en un experimento controlado: El caso de Moving to Opportunity". En el experimento MTO, el mecanismo de asignación de vales fue aleatorio, pero sólo la mitad de los que recibieron el vale acabaron mudándose realmente. Esto plantea un problema porque el análisis habitual (efecto del tratamiento sobre el tratado o intención de tratar) sólo nos dirá el efecto causal de recibir un vale. Sin embargo, a nosotros nos interesa el efecto causal del nuevo barrio, no el de recibir el bono. Muestra cómo descomponer el típico parámetro del tratamiento sobre el tratado en componentes que tienen interpretaciones inequívocas. En concreto, aísla el efecto causal del nuevo barrio.

Answer 3

Otra cosa que puedes mirar es "Análisis por intención de tratar" . De Wikipedia,

Un análisis por intención de tratar (ITT) de los resultados de un experimento se basa en la asignación inicial del tratamiento y no en el tratamiento finalmente recibido. El análisis ITT pretende evitar varios artefactos engañosos que pueden surgir en la investigación de intervención, como la deserción no aleatoria de los participantes del estudio o los cruces.

Esto parece coincidir con lo que usted buscaba: su tratamiento es aleatorio inicialmente y la gente abandona de forma no aleatoria.