因果関係を示す経験的手法は何ですか？
回答:
自然実験は通常、因果推論ツールそのものではなく、因果推論の設定です。とにかく、自然な実験を行っていても、違いの差や道具変数のようなものを採用する必要があります。
ここに統計的因果推論アプローチのリスト（アプローチ：レイアウトの説明）
- インストルメンタル変数：ランダムに割り当てられた変数Xは、YからZのみに影響します
- 差異の違い：2つのグループに共通の傾向があり、1つのグループのみが処理される場合、グループ間の差異の変化が処理効果です
- 回帰の不連続性：厳しい閾値が治療を決定した場合、その閾値のすぐ近くの差を見てください
- 傾向スコアマッチング：処理される可能性が高い（実際には処理されていない）未処理の観測値を、同様の確率で処理された観測値と照合して、対照グループを作成します。
- マンハロビス距離のマッチング：治療に似た未治療の観察結果をマッチングすることにより、対照グループを作成します。もう1つの注目すべき距離測定は、Coarsened Exact Matchingです。
- 合成制御：処理済みの観測が1つしかない場合は、未処理の観測の合成を作成します。個々の観測は不完全な制御ですが、全体として適切な制御として機能します。
- 合成コホート-個人のパネルのようにグループの繰り返しの観察を扱い、パネル技術を採用します。
- ヘックマン補正のような選択バイアスモデリング：選択バイアスのパラメトリック形式を想定して削除し、補正された回帰結果を因果的に解釈できるようにします。
- サンプルの重み付けをより広く -サンプル単位に重み付けして、対象の真の母集団のように見えるようにすることで、内因性の参加とモデル化されていない不均一性から生じるバイアスを修正します。
違いの違いは、おそらく計量経済学で好まれる方法です（ただし、ブートストラップ、つまり自己相関からデータを修正する必要があります）。基本的に、2つのグループの進化を比較します。特定の要因の影響を受けないポイントから、それらの1つが要因の影響を受けるポイントまでです。有名な例は、Card and Kruegerによる最低賃金の影響を調査する方法の使用です。
違いの違いと同じように回帰の不連続性設計は、自然な実験を活用する方法です。それは、他の点では同様のユニットに異なる「処理」を与える任意のルールに基づいています。
ウィキペディアの例：
特定の学年（たとえば80％）を超えるすべての生徒に奨学金が与えられた場合、80％のカットオフ前後の生徒を比較することで、地域での治療効果を引き出すことができます。 81％を採点する学生と非常によく似ています。ただし、80％の定義済みのしきい値を考えると、一方の学生は奨学金を受け取り、もう一方の学生は奨学金を受け取りません。したがって、受賞者（治療グループ）の結果を非受領者（対照グループ）の反事実的結果と比較すると、局所治療効果が得られます。
@EnergyNumbersによるコメントをフォローアップするには、因果関係があなたの理論から流れます。
重要な違いはこれです：@BKayの答えのメソッドのいずれかの数学は、手順の最後に数字を吐き出すように設計されています。例えば、あなたの治療が犬に顔をなめられているような愚かなものであるdiff-in-diffを考えてみましょう。いつでもdiff-in-diffを設定して、犬が顔をなめると宇宙飛行士になるかどうかを確認できます。
愚かさはさておき、最初から因果関係を考えることは非常に役立ちます。あなたが選んだ手順を含めることです。経済学のセミナーは、しばしば理論の実行可能性と仮定の妥当性を中心に展開します。