Begreber

Question 1

Kausal inferens

Answer 1

Det er studiet af kontrafaktiske udfald: vi vil gerne sige noget om de udfald, der VILLE være sket, hvis tingene var gået anderledes

Question 2

Kausal effekt

Answer 2

Forskellen mellem en enheds potentielle outcome, hvis vedkommende er treatet, og det potentielle outcome, hvis vedkommende er untreated.

Question 3

Potentielle outcomes

Answer 3

Hver enhed har to potentielle udfald på den variabel vi kigger på, alt afhængig af, om man er blevet treated eller ej

Question 4

Selektionsbias

Answer 4

Forskelle i gennemsnittet på Y mellem treatment- og kontrolgruppen selv HVIS ingen var blevet treatet - dvs forskelle i udgangspunktet.

Forskelle mellem treatment og kontrolgruppen i fraværet af treatment

Question 5

Colliding variabel

Answer 5

En tredjevariabel (Z) der er påvirket af begge vores variable (både den uafhængige og den afhængige).

IKKE kontroller –> post treatment bias

Question 6

Confounding

Answer 6

En tredjevariabel (Z) der påvirker begge dine variable (både den uafhængige og den afhængige)

KONTROLLER –> minimerer selektionsbias

Question 7

Statistisk inferens

Answer 7

Hvor sikre er vi på de estimater vi får ud?

Question 8

Unbiased estimator

Answer 8

Gennemsnitligt rammer vi rigtigt: hvis vi gentager randomiseringen/trækker en ny stikprøve mange gange, så rammer vi gennemsnitligt rigtigt

Question 9

Konsistent estimator

Answer 9

Når antal observationer går mod uendelig, skal forskellen mellem dit estimat og den sande værdi gå mod 0.

Question 10

Præcis/efficient estimator

Answer 10

Ens estimat i en given stikprøve skal være tæt på den sande værdi –> kan du sige noget om ved at se på standardfejlen

Question 11

Signifikansniveau

Answer 11

Sandsynligheden for at undgå type 1 fejl: dvs. tage fejl og sige, at der er en effekt, når der ikke er det

Den tærskel vi har sat for, hvornår vi vil afvise vores nulhypotese –> hvis vores p-værdi er ligmed eller mindre end det signifikansniveau, så afviser vi vores nulhypotese.

Question 12

P-værdi

Answer 12

Sandsynligheden for at observere noget mere ekstremt end det vi har observeret, hvis vores nulhypotese var sand.

Question 13

Konfidensinterval

Answer 13

Et interval der 95% af gangene vi trækker en random sample vil indeholde vores koefficient.

Question 14

Standardfejl

Answer 14

Standardafvigelsen af stikprøvefordelingen for estimatoren → dvs. variansen af vores estimator

Sagt på en anden måde: Usikkerheden ved estimatoren: hvis vi skulle lave eksperimentet/stikprøven igen og igen, hvad ville så være variationen i de estimater vi ville få?

Question 15

Type 1 fejl

Answer 15

Falsk positiv: Man siger der er en effekt, når der ikke er det
–> stærkt relateret til signifikansniveau

Question 16

Type 2 fejl

Answer 16

Falsk negativ: Man undgår at sige at der er en effekt, selvom der faktisk er det
–> stærkt relateret til power

Question 17

Type M fejl

Answer 17

“Magnitude”-fejl

- Risikoen for at vores effekt er overestimeret

Question 18

Type S fejl

Answer 18

“Sign”-fejl

- Risikoen for at vores effekt går i den modsatte retning

Question 19

Statistisk power

Answer 19

Hvad er sandsynligheden for at vi fanger den effekt, der eksisterer ude i virkeligheden?

Question 20

Hvad afhænger statistisk power af?

Answer 20

1. Effektstørrelser
2. Signifikansniveau
3. Stikprøvestørrelse
4. Varians i data

Question 21

Typer af statistisk inferens

Answer 21

Exact inferens: stærke antagelser om fordelingen af estimater

Asymptotisk inferens: bygger på CLT: når N går mod uendelig bliver vores estimater normalfordelt

Randomiseringsinferens: ser på den præcise fordeling af estimatet ved at gentage randomiseringen igen

Question 22

Ekstern validitet vs intern validitet

Answer 22

Ekstern validitet handler originalt om, hvilke population, kontekster og variable ens resultater kan generaliseres til.

Intern validitet, der handler om hvorvidt en kausale effekt er troværdigt estimeret eller ej.

Question 23

ATE

Answer 23

Average treatment effekt for alle enheder

Den gennemsnitlige potentielle outcomes for treatmentgruppen minus de gennemsnitlige potentielle outcomes for kontrolgruppen

Question 24

ATT

Answer 24

Average treatment effekt for de treated

Question 25

CACE

Answer 25

Kausal effekt for dem, der complier med treatment-status

Den kan man få ved at lave IV-estimation i sit eksperiment fx

Question 26

LATE

Answer 26

Lokal kausal effekt for nogle bestemte enheder (fx dem omkring tærskel)

Fx i RDD-designs

Question 27

Hvornår vil ATE og ATT stemme overens?

Answer 27

To tilfælde:
- Hvis treatment-effekten er den samme for alle individer

• Hvis enheder er tilfældigt tildelt treatment: randomiseret eksperiment.

Question 28

Hvad er fejlledet egentlig?

Answer 28

Alt det vi ikke har med i vores model, som også påvirker Y.

Antagelse mange steder: X er ukorreleret med fejlledet —> der må således ikke være noget, der både påvirker X og Y, som vi ikke har kontrol for.