Skip to content

GCRI · Labs

Inferência causal para pilotos

A inferência causal distingue o que uma intervenção realmente produz do que apenas a acompanha. Em laboratórios e projetos-piloto, ela orienta o desenho: randomização sempre que possível, comparações críveis quando não for, e premissas explícitas em ambos os casos. É assim que um piloto se torna evidência de que uma inovação funciona, para quem e em que condições.

02Candidatura

O que a inferência causal e a avaliação de impacto fazem aqui.

A inferência causal e a avaliação de impacto desenvolvem métodos para determinar se, e como, intervenções ou exposições causam resultados. Elas separam efeitos genuínos de correlação. Em pesquisa e evidências, métodos e modelagem e inovação, a inferência causal mostra quais medidas de redução do risco realmente funcionam. Apoia a alocação de recursos para intervenções com efeito demonstrado em riscos conectados. A descrição canônica está no o STEM Commons.

Pilotos randomizados e implantações escalonadas

Quando uma inovação chega aos locais em sequência, a ordem é aleatorizada para que locais iniciais e tardios formem uma comparação, com o desenho e a análise registrados previamente.

Avaliação quase-experimental de programas

Os desenhos de diferenças em diferenças, de descontinuidade de regressão ou de controle sintético estimam efeitos quando a randomização não foi possível, com testes placebo para examinar os seus pressupostos.

Transporting effects from pilot to scale

Causal diagrams state which features of the pilot site an effect depends on, so planners can judge whether a new site shares them before expecting the same result.

03Monitoramento

Avaliação de impacto.

A tela que uma equipe usaria para acompanhar este método: suas medidas, estados e decisões. Os nomes são exemplos e os valores são ilustrativos.

Avaliação de impacto

Labs · Causal inference for pilots · Run R-7061

Parallel trends holdGCRI · Labs

Estudo de evento

Ficha do método

Método
Inferência causal e avaliação de impacto
Desenho
diferenças em diferenças
Unidades
196
Rótulo
MODELADO

Verificações de robustez

Especificação principal0.06Sim
Excluir os primeiros adotantes0.26Sim
Controle sintético0.12Sim
Impact evaluation: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Dados

O que o método consome.

Conjuntos de dados e registros usados pela inferência causal e pela avaliação de impacto nesta plataforma, com o papel de cada um e o rótulo que seus valores carregam. As fontes estão listadas no registro de fontes.

DadosFunçãoRótulo
Dados de resultados de testes e pilotosEffect estimationOBSERVADO
Registros administrativosOutcomes and covariates for comparison groupsEstatísticas publicadas
Planos de pré-análise registradosFixing estimands and testsDECLARADO
Site characteristic surveysHeterogeneidade e transportabilidadeREPORTADO
05Métodos e evidência

Como a inferência causal para projetos-piloto é modelada, medida e testada.

O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.

Modelo, equações e pressupostos

The model structure used for causal inference for pilots, the assumptions it makes and how each is tested.

Risco do elemento iRi = f(Hi, Ei, Vi, Ci)ameaça, exposição, vulnerabilidade e capacidade de enfrentamento
Perda anual esperadaEAL = ∑k pk · Lkover events k with annual probability pk
Sistemas acopladosxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
PressupostoPorque é feitoComo é testado
A ameaça e a exposição são independentes dentro de um eventoMantém tratável o integral de perdasComparar com um ajuste de cópula sobre registros conjuntos
Os acoplamentos são lineares perto do ponto de funcionamentoPermite que os choques se propaguem através de APerturbar para além do intervalo linear e comparar
As curvas de vulnerabilidade transferem-se entre lugaresAs curvas locais raramente estão disponíveisValidar face às perdas observadas quando existam
Entradas
conjuntos de dados versionados com proveniência
Resultados
distribuições, nunca números isolados
Código
publicado com a ficha de modelo e os testes
Reprodução
mesmos dados, código, ambiente e semente
Formulações padrão de risco e de espaço de estados; os pressupostos listados são típicos do método, indicados para revisão, não resultados.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validação

Como os resultados são verificados.

As premissas de identificação são testadas por meio de testes placebo, verificações de falseamento e análise de sensibilidade. A replicação em diferentes contextos testa a validade externa.

VerificarComo é feito
Verificações de equilíbrio e de pré-tendênciaOs grupos de comparação são testados quanto à similaridade antes do tratamento
Placebo and falsification testsEffects are sought where none should exist
Sensitivity to unobserved confoundingAs análises indicam quão forte um fator de confusão oculto precisaria ser para alterar a conclusão
Replication across sitesOs efeitos são reestimados em contextos independentes antes de serem generalizados

Confundimento não observado e efeitos de transbordamento (spillovers) podem enviesar as estimativas. Efeitos encontrados em um contexto podem não se transferir para outro.

07Processo

Como decorre o processo.

Process explorer · Process

Inferência causal para pilotos: relato de revisões segundo PRISMA 2020

10 steps4 stages

Processo

Inferência causal para pilotos: relato de revisões segundo PRISMA 2020

A PRISMA 2020 é uma diretriz de relato para revisões sistemáticas; as etapas seguem sua lista de verificação, não uma sequência obrigatória, e nenhum documento Nexus a adota.

  1. 01 Plan

    1. 01Registro e protocoloRegistro · A equipe de revisãoA diretriz pede os dados de registro, o acesso ao protocolo e quaisquer alterações.
    2. 02Critérios de elegibilidadeRegistro · A equipe de revisãoA diretriz pede os critérios de inclusão e de exclusão e a forma como os estudos foram agrupados.
  2. 02 Encontrar e selecionar

    1. 03Busca: fontes e estratégiasEtapa · A equipe de revisãoA diretriz pede as fontes de informação e as estratégias de busca completas. Não fixa quais fontes são utilizadas.
    2. 04Seleção dos estudosEtapa · A equipe de revisãoA diretriz pergunta como os estudos foram considerados elegíveis, incluindo quantos revisores fizeram a triagem. Não fixa o número de revisores.
    3. 05Diagrama de fluxoRegistroO diagrama de fluxo mostra o número de registros encontrados, o número de estudos incluídos e os motivos de exclusão.
  3. 03 Analisar

    1. 06Coleta de dadosEtapa · A equipe de revisãoA diretriz pergunta como os dados foram coletados dos relatórios e quais itens de dados foram procurados.
    2. 07Risco de viésEtapa · A equipe de revisãoA diretriz pede os métodos e as ferramentas utilizados para avaliar o risco de viés.
    3. 08SínteseModelo · A equipe de revisãoA diretriz pede as medidas de efeito e os métodos de síntese. Não prescreve a meta-análise.
    4. 09Certeza das evidênciasEtapa · A equipe de revisãoA diretriz pede os métodos utilizados para avaliar a certeza e relata o resultado por desfecho. Não indica uma escala de graduação.
  4. 04 Relatório

    1. 10Relatório de revisãoRegistroA diretriz ajuda os autores a relatar por que a revisão foi feita, o que fizeram e o que constataram.

ReportsOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.

09Gestão responsável

Quem mantém o método.

Desenvolvimento econômico é guardião da inferência causal e da avaliação de impacto para o consórcio e analisa como ela é aplicada nas plataformas.

11Perguntas

Perguntas e respostas.

Quais são os limites da inferência causal e da avaliação de impacto neste campo?
Confundimento não observado e efeitos de transbordamento (spillovers) podem enviesar as estimativas. Efeitos encontrados em um contexto podem não se transferir para outro.
Como os resultados são verificados?
As premissas de identificação são testadas por meio de testes placebo, verificações de falsificação e análise de sensibilidade. A replicação em diferentes contextos testa a validade externa.
Os valores desta página são reais?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Onde mais este método é aplicado?
A página canônica do método lista todas as plataformas que o aplicam.
RelatóriosContribuir

Contribua com evidências a partir desta página.

Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.

GCRILaboratóriosEvidências de LabsMétodos e documentos técnicos
Laboratórios

Traga um método, um conjunto de dados ou uma pergunta.

A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.