Counterfactuals and Causal Inference – II

1. Counterfactuals and Causal Inference – II • by Stephen Morgan & Christopher Winship

2. ? • Perplessità circa le richieste di chiarimento pervenute • Prima di arrivare a Morgan & Winship ci sono tanti passi preliminari da compiere • Quando è opportuno utilizzare metodi qualitativi oppure quantitativi per acquisire informazioni • Come si inserisce la logica controfattuale nel dibattito sull’analisi causale • L’effetto netto sulla popolazione simile ai trattati (Martini, Trivellato, etc.) • L’effetto netto sull’intera popolazione (Morgan & Winship)

3. Metodi qualitativi vs. quantitativi • Numerosità della popolazione riguardo la quale voglio ottenere informazioni • 1-5 casi studio (qualitativi) • 5-20 casi studio (qualitativi comparati) • 20-30 (qualitativi comparati + quantitativi con cautela – es. evitare assunzioni di normalità) • 30+ metodi quantitativi con relativa tranquillità • Più aumenta la numerosità, meno informazioni posso raccogliere

4. La logica dell’attribuzione causale • Posso attribuire cause sia con metodi qualitativi che quantitativi, a seconda • del livello di generalità che voglio / posso ottenere • del tipo di causalità che voglio / posso attribuire (genetica / consequenziale)

5. Esempio • Che cosa ha fatto variare il tasso di disoccupazione? • riguarda migliaia di soggetti, devo per forza identificare poche variabili sperando che siano significative per tutti (es. indicatori di attività economica del territorio o globale) • se invece ho un caso studio posso ricostruire il processo in base al quale un individuo ha perso o mantenuto il lavoro e “scoprire” tutto ciò che è stato significativo in quel caso

6. La logica controfattuale • Qual è stato l’impatto dell’intervento sulla variazione del tasso di disoccupazione? • Tra tutte le cause, mi interessa solo il contributo dell’intervento; confronto quindi il mondo con l’intervento con un ipotetico (ricostruito, controfattuale) mondo senza intervento e traggo conclusioni in merito • In termini di tasso di disoccupazione, riguarda migliaia di soggetti (m.quant); se invece ho un caso studio posso stimare il contributo dell’intervento in quel caso specifico (m.qual) • La logica controfattuale, così come la logica generale dell’attribuzione causale, non è necessariamente legata a uno specifico metodo di raccolta dati

7. Il controfattuale qualitativo • Parlo con i beneficiari e cerco di capire quali sono i benefici che hanno ottenuto dall’intervento. Poi gli chiedo “ma queste cose le avreste fatte anche senza intervento”? • Loro mi diranno no, sì, in parte, etc. • Verifico queste informazioni attraverso altre interviste, desk studies, documentazione, verbali riunioni, tutto quello che riesco a trovare; come se fossi un detective • Strada con accessori (aree servizio, segnaletica) • Km di strade o collegamenti intermodali

8. Il controfattuale quantitativo • Indicatori • Per spiegare la variazione del tasso di disoccupazione • Grado di istruzione, la spesa per formazione, la composizione settoriale dell’economia locale, l’andamento di questi settori (domanda di lavoro) • Modello causale con una variabile dipendente e alcune variabili indipendenti, tra cui l’intervento • Stimo l’effetto separato di ciascuna variabile e mi ricavo l’effetto dell’intervento per sottrazione

9. Esempi • Regressione • Serie storiche • Matching con gruppo di controllo • Generalizzazione è (spesso) limitata alla popolazione di cui i trattati sono rappresentativi

10. I trattati si autoselezionano • Ipotesi di Morgan & Winship • Se voglio dire qualcosa per una popolazione più ampia di coloro che somigliano ai trattati devo fare ipotesi (e ricostruirmi controfattuali) anche per i non trattati • Stimatore dell’effetto netto di Morgan & Winship