You are here

Imputazione dei potenziali risultati per stimare gli effetti del trattamento di piccoli gruppi

Abstract: 

L’Agenzia Federale del Lavoro Tedesca utilizza un sistema di valutazione comprensivo per misurare l’efficienza di una larga varietà di programmi formazione-lavoro.  Poiché l'assegnazione a uno dei programmi di formazione possibile, es. trattamento, in genere non si basa su un esplicito processo randomizzato, le correzioni devono essere fatte prima di trarre inferenze causali. In sostanza, cerchiamo di rispondere al seguente tipo di domanda per ogni programma di formazione-lavoro e per ogni persona formata: se la persona non fosse stata formata, quanto tempo sarebbe passato prima che potesse trovare un lavoro? Sulla base del modello causale di Rubin modello, moltiplichiamo, imputando questi potenziali risultati mancanti, per ottenere la stima degli effetti causali individuali. Poiché questo è un compito enorme di imputazione, sono necessari algoritmi innovativi e complessi, così come l'automazione dell'intero processo. In questo discorso, descriviamo il nostro approccio, le routine di imputazione e presentiamo alcuni risultati.

Gli autori di questo lavoro sono Susanne Rässler e Donald B. Rubin

Speaker: 
Susanne Rässler
Short bio: 

Susanne Rässler, Prof. Dr. rer. pol., titolare della Cattedra di Statistica e Econometria presso la Otto-Friedrich-Università di Bamberg e anche portavoce del gruppo metodi di NEPS (National Educational Studies Panel). I suoi principali interessi sono i metodi per la gestione dei dati mancanti, l'imputazione multipla, i metodi bayesiani, e le tecniche di matching per l'analisi causale così come la ricerca di marketing. È anche associate editor del Journal of Official Statistics (JOS) e dell'Asta - Wirtschafts-und Sozialstatistisches Archiv. Sta inoltre lavorando a stretto contatto con il Prof. Donald B. Rubin dell’Università di Harvard.

Data: 
16 Giugno 2011 - 17:00