伊藤公一郎《數據分析的力量》閱讀筆記
English translation here.
閱畢全篇可領贈品。請享受閱讀。
資訊分析現在對各行各業、私企或政府或教育亦都非常重要
政府需要知道補助金成效，學校需要知道教材成效
第二章會介紹針對難以導出因果關係的問題，能予以百分百解決的最佳方法，在醫學與經濟學等學術領域，這個方法稱為 RCT Randomized controlled trial 隨機對照實驗，在商業領域則稱為 A/B 測試，醫學領域使用已久，但經濟學與商業則是最近才用到
如不用以上方法，另一個自然實驗法 natural experiment 也是其中一種常見方法
相關性不等於因果關係，可能是反向因果關係，或另一因素 V 對雙方造成影響
但社會和新聞報道往往將相關性誤認為因果關係
賓州大學 1999 年的研究發現孩童開著燈睡覺與近視有相關性，被大肆報道開燈睡會近視
但後來俄亥俄大學的研究發現原來只因為近視父母多數睡覺開燈，其孩童又容易遺傳近視
其他因素難以窮盡研究，即使想出再多的 V 因素，仍然有無限個可能造成影響的因數，而且很多因素無法取得資料
這種偏誤問題即使大數據（數據量增多）也無法解決
哈佛大學 Donald Rubin 於 1974 年提倡 potential outcome approach
以介入效果測量因果關係
以電價上漲、電量下降的相關性為例，介入效果為 Y1 實際上電價上漲後的用電量減去 Y0 如果電價沒上漲的用電量
介入效果本來是醫學詞匯，研究療效
但仍難導出因果關係，因「如果」的資料 counterfactual potential outcome 實際並未發生，這稱為因果推論的根本問題（Holand, 1986）
解決辦法為設置介入組與比較組，問題是如何分組，如果自行選擇分組，想體驗電價上升的人可能節電意願本來就很高
解決方法是隨機分組，這方法稱為隨機對照試驗，就好比按擲骰單雙數劃分，樣本數夠多，兩組便是同質集團
簡單網站實驗帶來極大影響：Dan Siroker 在奧巴馬競選網站設立 A/B 測試（即隨機對照試驗），發現全家福畫面和 Learn More 掣比競選團隊經討論後想用的網站畫面和 Sign Up 制的電郵註冊量高出 3.34%，為奧巴馬多籌募了六千萬美元
作者有份分析的電價調整實驗，證明提升電費比道德勸說（發出節電請求）更為有效而且更為持久
隨意分組可以分為簡單隨機化法、集區隨機化法
前者就是按隨機數值分組，與擲骰無異
後者先將相同屬性的受測者分區，如十男十女的廿人，先分成兩組五男五女，再各隨機化
詳見 Duflo, Glennerster and Kremer（2007）
這方法不是分析既有資料，而是為了得到答案而建立資料，所以成本不少
若上述方法不可能，則可以善加利用猶如做過實驗的狀況
本書採用自然實驗的名稱，手法叫做 regression discontinuity design
日本長者過了 70 歲生日後，醫療費用自付額就從三成減至一成
數據顯示在 70 歲生日前後的人的患者求診人數線出現飛躍
歸因於自付額的假設其實無法完全證明成立，但若要不成立，需要其他不連續的因素，例如 70 歲生日起年金給付額會大幅提高，但沒有這問題因素，或對象可謊報年齡間接操縱數據，也沒有這情況
方法缺點是只對接近七十歲界線的民眾有效，能測定因果關係
2008 年加州橘郡南部電價漲至兩倍（因不同電力公司），也是自然實驗典例
另一自然實驗手法叫作堆集分析 Bunching analysis，由 Emmanuel Saez 於博士論文提出（1999, 2010）
油耗規定值呈階梯狀變化，汽車重量分佈堆集緊貼在分界線右方
建立因果關係的假設是，如果油耗規定值並未呈階梯狀變化，汽車重量分佈應平滑連續，不會堆集
假設無法完全證立，但可證很可能成立，因為：分界點以外分佈平滑；分界點只適用於油耗政策；油耗政策改變後堆集的位置也整齊地改變
更詳細正確的解說可見 Ito and Salle (forthcoming) 或 Kleven（2016）
從結果分析出，市面上一成的車輛重量平均增加了 110 公斤，燃油效率更為降低
重量非由市場決定，非效率現象造成經濟學上的無謂損失；且重量降低車禍時的安全性
優缺與 RD 相近，僅對接近分界線數據有效
所得稅階梯也影響納稅人在收入上的堆集，但未有預期明顯（Cherry, Friedman, Olsen, and Pistaferri, 2011）
另有縱橫資料分析，其假設為如果沒發生介入，介入組的平均結果和比較組的平均結果會平衡推移
兩組必須在介入前已經平衡推移，及沒有其他因素影響介入組
這方法的好處是不只能針對界線附近的主體分析，而且即使介入開始前兩組就有本來差異也不妨，只要平衡趨勢成立就可以用於任何情況
弱點是假設很容易不成立，而且需要兩組數期的資料
2008 年，美國政府提出舊車換新車有補助金的政策，研究將受影響較深的地區定義為介入組，沒受到什麼影響的地區定義為比較組
結果發現影響到有短期搶購，但沒有刺激總需求（Mian and Sufi, 2012）
科技公司平時都運用 rct 進行商業策略分析，Google 就以 RCT 從 41 種藍色中選出點擊率最高的藍色，美國政府內部亦推動循證政策制定 evidence-based policymaking，並於奧巴馬政府時正式制定法案
作者指成功關鍵在於與資訊分析專家合作以及廣為開放資料
uber 通過 rct 成功得出準確需求曲線，對商業政策制定有幫助
芝加哥大學犯罪實驗室以 rct 證明相比加重刑罰，向高中生提供「男子漢養成課程」更有效減低犯罪率，而且更意外令高中畢業率提高一成半（Heller et al. 2015）
資料本身若有問題再出色的分析也不能彌補，另外要留意分析方法的範圍，RD 設計只能針對界線附近，堆集分析只能針對發生堆集的主題，這被稱為外在效度 external validity 的問題，分析結果的可靠性則被稱為內在效度 internal validity
研究結果有時有出版偏誤 publication bias 的問題，若發現毫無因果關係的結果，明明也應是有用的科學發現，卻被認為很難出版，打入冷宮
外溢效果 spillover effect 介入連比較組都影響到，也可能影響結論，例如調查免費借電腦給學生帶來的好處，但借到的學生（介入組）可能會借電腦給他人（比較組）用，方法可以係好似 Duflo and Saez, 2003 的研究，設立介入學院同比較學院，量化出外溢效果
小規模的實驗結果是否可以大規模實施而產生同樣結果，需要謹慎評估，因為可能在大規模實施時有其他因素
本書省略了高階統計知識的分析手法，例如工具變數法、匹配法、合成對照群法、離散選擇法、結構估計法等等
本書屬於計量經濟學領域，是超級入門書，有意讀者可先看入門書，再看中階，後者以英文書為佳，按照程度由淺入深推薦：
Wooldridge, introductory econometrics, 2015
Angrist and Pischke, mostly harmless econometrics, 2008
Cameron, microeconometrics, 2005
19/12/2019
閱畢於高雄李科永紀念圖書館
感謝看到最後，額外送上此圖。
如需中文版圖表，不妨來函告知，我會為你特別製作。
