The third problem of bias relates t

The third problem of bias relates to the extent to which a program is participated in differentially by subgroups of a target population, thus affecting the sample and ultimately the results. There are two types of bias: those due to differences in observables or something in the data, and those due to differences in unobservables (not in the data), often called selection bias (Box 1.1). An observable bias could include the selection criteria through which an individual is targeted, such as geographic location, school attendance, or participation in the labor market. Unobservables that may bias program outcomes could include individual ability, willingness to work, family connections, and a subjective (often politically driven) process of selecting individuals for a program. Both types of biases can yield inaccurate results, including under- and overestimates of actual program impacts, negative impacts when actual
program impacts are positive (and vice versa), and statistically insignificant impacts when actual program impacts are significant and vice versa. (See, for example, LaLonde 1986, Fraker and Maynard 1987, LaLonde and Maynard 1987, and Friedlander and Robins 1995.) It is possible to control for bias through statistical techniques such as matching and instrumental variables, but it is very difficult to fully remove them which remains a major challenge for researchers in the field of impact analysis.

Kết quả (Việt) 1:

Vấn đề thứ ba của thiên vị liên quan đến mức độ mà một chương trình tham gia vào differentially bởi nhóm dân số một mục tiêu, do đó ảnh hưởng đến các mẫu và cuối cùng kết quả. Có hai loại thiên vị: những người do sự khác biệt trong thảo hoặc một cái gì đó trong các dữ liệu, và những người do sự khác biệt trong unobservables (không có trong dữ liệu), thường được gọi là thiên vị lựa chọn (hộp 1.1). Một xu hướng quan sát có thể bao gồm các tiêu chí lựa chọn thông qua đó một cá nhân được nhắm mục tiêu, chẳng hạn như vị trí địa lý, đi học hoặc tham gia vào thị trường lao động. Unobservables có thể thiên vị kết quả chương trình có thể bao gồm khả năng cá nhân, sẵn sàng để làm việc, kết nối gia đình và một quá trình chủ quan (chính trị thường hướng) lựa chọn cá nhân cho một chương trình. Cả hai loại biases có thể mang lại kết quả không chính xác, kể cả dưới- và eo của thực tế chương trình tác động, tiêu cực tác động đến khi thực tếtác động của chương trình là tích cực (và ngược lại), và thống kê không đáng kể tác động khi chương trình thực tế tác động đáng kể và ngược lại. (Xem, ví dụ, LaLonde năm 1986, Fraker và Maynard 1987, LaLonde và năm 1987 Maynard, và Friedlander và Robins 1995.) Nó có thể để kiểm soát đối với xu hướng thông qua các kỹ thuật thống kê như biến phù hợp và công cụ, nhưng nó là rất khó khăn để hoàn toàn loại bỏ họ mà vẫn là một thách thức lớn cho các nhà nghiên cứu trong lĩnh vực phân tích tác động.

Kết quả (Việt) 2:

Vấn đề thứ ba của sự thiên vị liên quan đến mức độ mà một chương trình được tham gia vào các kiểu khác của các nhóm con của một mục tiêu dân số, do đó ảnh hưởng đến mẫu và cuối cùng kết quả. Có hai loại thiên vị: những người do sự khác biệt trong quan sát hoặc một cái gì đó trong dữ liệu, và những người do sự khác biệt trong unobservables (không có trong dữ liệu), thường được gọi là lựa chọn thiên vị (Hộp 1.1). Một thiên vị quan sát có thể bao gồm các tiêu chí lựa chọn thông qua đó một cá nhân là mục tiêu, chẳng hạn như vị trí địa lý, đi học, hoặc tham gia vào thị trường lao động. Unobservables mà có thể kết quả chương trình thiên vị có thể bao gồm khả năng cá nhân, sẵn sàng làm việc, quan hệ gia đình, và một chủ quan (thường được thúc đẩy chính trị) quá trình lựa chọn cá nhân cho một chương trình. Cả hai loại sai số có thể mang lại kết quả không chính xác, bao gồm hiểu biết và ước lượng quá tác động chương trình thực tế, tác động tiêu cực khi thực tế
tác động chương trình là tích cực (và ngược lại), thống kê và tác động không đáng kể khi tác động chương trình thực tế là đáng kể và ngược lại. (Xem, ví dụ, Lalonde 1986, Fraker và Maynard 1987, Lalonde và Maynard năm 1987, và Friedlander và Robins 1995.) Có thể để kiểm soát thiên vị thông qua các kỹ thuật thống kê như khớp và các biến công cụ, nhưng nó là rất khó khăn để hoàn toàn loại bỏ chúng mà vẫn còn là một thách thức lớn đối với các nhà nghiên cứu trong lĩnh vực phân tích tác động.