Funguje to, co děláme? aneb možnosti kontrafaktuálních evaluačních přístupů ke zjišťování skutečných účinků veřejných politik.
|
|
- Ladislav Urban
- před 8 lety
- Počet zobrazení:
Transkript
1 Funguje to, co děláme? aneb možnosti kontrafaktuálních evaluačních přístupů ke zjišťování skutečných účinků veřejných politik. (V prezentaci je použita část materiálů z letní školy ve Fenestrele , vedené Albertem Martinim)
2 Jazyková terminologická poznámka Terminologie Counterfactual impact evaluation v současné době nemá ustálenou českou podobu (případně nemá žádnou českou podobu). Rozvoj českého pojmosloví je jedním z vedlejších cílů evaluačního projektu, v jehož rámci se koná tento seminář. Ve svém vystoupení tak budu užívat jak anglických termínů, tak budu experimentovat s možnými odpovídajícími českými pojmy. Zpětnou vazbu k pojmosloví vítáme!
3 Cíl workshopu Seznámit s konceptem Counterfactual Impact Evaluation (?srovnávacího hodnocení dopadů?), možnostmi a limity použití použití jednotlivých metod. Ambice je v posunu účastníků ze stavu nevím, co nevím do stavu vím, co nevím (nenaučím vás CIE). Připravit předmostí pro častější používání kvantitativních metod v prostředí českých strukturálních fondů. Přinést úvod do problematiky před navazujícím workshopem, který se věnuje aplikaci metod CIE na oblast podpory 1.1 OP LZZ Adaptabilita
4 Co to je ta Counterfactual impact evaluation Nejprve se pustíme vysvětlení klíčových pojmů: counterfactual a impact O vysvětlení pojmu evaluace se raději pokoušet nebudu
5 Kontext Při hodnocení programů strukturálních fondů existují tři základní otázky: Manažerská : Plním plán? Na tuto otázku více-méně odpovídá monitoring Politická : Přináší to výsledky dostatečné, abych byl opět zvolen? (Accountability) Pokrok metodou pokusů a omylů? Vědecká : Co funguje, jak a proč? Intuice se může mýlit, co platí jsou důkazy. Kauzalita se nemůže jen předpokládat, musí se prokázat (snižují rekvalifikace nezaměstnanost?). V současná (česká/evropská) evaluační praxe stojí hodně na názorech expertů a málo na rigorózních důkazech, často se píše o tom, jak a proč něco funguje, aniž by se věrohodně prokázalo, že to vůbec funguje.
6 Counterfactual impact evaluation Counterfactual impact evaluation je důsledně vědecký převážně kvantitativní přístup opírající se experimenty a kvaziexperimenty (kontrolní a srovnávací skupiny / control & comparison groups). Není to jediný správný přístup (průzkumy, případové studie, ekonometrické modelování, kvalitativní metody obecně jsou také důležité). Není vždy použitelný (vyžaduje velké N, dostatek dat, určitý typ intervence ). Pomocí CIE nelze hodnotit program jako celek (příliš složitý komplex), ale velmi dobře některé projekty, výzvy či oblasti podpory. Ale pokud jde použít, představuje zlatý standard kvality důkazů. V rigorózním designu CIE se snadno hledají chyby (pro toho, kdo tomu rozumí), protože je velmi transparentní. CIE evaluátoři jsou nazí evaluátoři.
7 What the hell is Counterfactual!? Český pojem kontrafaktuál není nic moc. Nenapadá mě výstižnější než co-by-kdyby. Counterfactual tedy označuje hypotetickou situaci, která by nastala, pokud by intervence nebyla realizována. Jde o stav cílové oblasti v případě alternativní historie. Counterfactual nelze pozorovat, jde o fikci, ideu. V řadě případů však lze pomocí statistických metod a za explicitně vyjádřených předpokladů counterfactual věrohodně odhadnout (estimate). Odhad kontrafaktuálu (?nulové varianty?) je ústředním problémem Counterfactual impact evaluation CIE.
8 Intermezzo I Terminologická vsuvka Pozorovatelnost Observability Dostupnost dat Data accessibility Je principiální, teoretická. Je praktická záležitost, dostupnost může být limitována rozpočtem, (ne)existencí záznamů atd.
9 Dekonstrukce pojmu Impact Impact, česky dopad je v žargonu strukturálních fondů (vzor ) zpravidla chápán v souvislosti s logickým rámcem (logframe, logical framework) jako nějaký finální výsledek, dlouhodobý efekt intervence kdesi na konci tradiční kauzální linie vstup => aktivita => výstup => výsledek => dopad
10 Stylizovaný logframe vstupy aktivity výstupy výsledky dopady operativní specifické globání Jak se toto sleduje? cíle indikátory
11 Indikátory dopadu Současné ( ) metodiky EK říkají: The ultimate objective of Structural Funds and Cohesion Fund assistance is a certain impact, measured as far as possible by impact indicators Indikátory mají různá označení, která pomáhají uchopit jejich význam. Máme indikátory vstupů (input indicators), indikátory výstupů (output indicators), indikátory dopadů (impact indicators), indikátory kontextu (contextual indicators), Pokud indikátory výstupů měří výstupy, pak indikátory dopadů měří dopady. dopady???
12 NE! Protože to by znamenalo, že impact je pozorovatelný a stav cílové oblasti po intervenci je ovlivněn pouze intervencí samotnou.
13 Aby bylo jasno: Na indikátorech není nic špatného. Něco shnilého ve státě dánském je však s indikátory pokud jde o přičitatelnost (attribution). Klíčovou otázkou je, zda indikátory samy o sobě mohou měřit impact/dopad.
14 Intermezzo II Dva často zaměňované pojmy Contribution (česky = přispění?) Užívá se pro vyjádření, že zkoumaná intervence má nějaký účinek na cílovou oblast, tj. je schopna dění v cílové oblasti (nějak) ovlivnit. Neboli: je intervence jedním z faktorů ovlivňujících cílovou oblast? Na contribution lze usuzovat z konstrukce teorie změny (popisu kauzálních vztahů intervence) a zkoumáním naplnění jejích předpokladů. Attribution (česky = přičitatelnost?) Označuje skutečný příspěvek intervence ke stavu cílové oblasti. Co intervence skutečně způsobila? Jakou změnu cílové oblasti lze přičíst jen intervenci po očištění dalších vlivů? Attribution lze odhadnout pomocí metod Counterfactual impact evaluation (CIE).
15 Odlišné významy Impact V kontextu logického rámce (a EK ) Pozorovatelná proměnná Stav, který plánujeme, nebo si přejeme, aby nastal V kontextu counterfactual impact evaluation (a snad EK 2014+) Nepozorovatelný rozdíl mezi pozorovatelnou skutečností a hypotetickým stavem Skutečný účinek intervence
16 Na logických rámcích není nic špatného Jsou nenahraditelné pro plánování (Kéž by každý program či projekt měl už v základním dokumentu namalovanou teorii změny!) Jsou důležité pro monitoring Jsou užitečné pro evaluace Ale nemohou dost dobře odpovědět na základní otázku: FUNGUJE TO?
17 Impact v kontextu CIE Sociální vědy definují impact/dopad jako the difference between a situation observed after a stimulus has been applied and the situation that would have occurred without such stimulus rozdíl mezi situací pozorovanou po provedené intervenci a situací, která by nastala bez takové intervence.
18 Co je tedy impact? Impact lze definovat pouze, pokud víme: Dopad čeho zkoumáme (intervence/treatment) Dopad pro koho (a ve srovnání s kým) zkoumáme (pro podpořené osoby, firmy) Dopad na co zkoumáme (na konkrétní proměnnou tržby, zaměstnanost, výdělek ) Otázka jaké jsou dopady OP LZZ proto bez dalšího upřesnění nedává smysl.
19 Co je tedy impact? Dopad/impact je definován jako rozdíl v hodnotě zkoumaného indikátoru (Y) v situaci s intervencí (Y 1 ) a v situaci bez intervence (Y 0 ). Tedy, impact = Y 1 Y 0 Impact lze v tomto kontextu použít jako synonymum slov efekt, účinek, dopad. Nemá smysl se zabývat tím, zda jde o efekt krátkodobý či dlouhodobý.
20 Co je tedy contrafactual impact evaluation? An impact evaluation is a study which tackles the issue of attribution by identifying the counterfactual value of Y (Y 0 ) in a rigorous manner CIE je studie, která řeší problém přičitatelnosti (attribution) pomocí hledání kontrafaktuální hodnoty Y (Y 0 ) rigorózním, vědeckým způsobem. CIE není umění. Je to věda. No dobře, je to věda, při které se občas hodí trocha intuice.
21 Ideální postup evaluace 1. Kvalitativní přípravná studie s cílem porozumět zkoumané intervenci (klíčové je přesné zmapování procesu výběru účastníků/participants). 2. Kvantitativní evaluace - konstrukce kontrafaktálu (získáme odpověď na otázku FUNGUJE TO?) (CIE) 3. Pokud to statistické parametry (velikost vzorku apod.) dovolí, lze zkoumat otázku PRO KOHO TO FUNGUJE LÉPE? (CIE) (Ryzí kvantitativci mohou skončit zde.) 4. Kvalitativní studie (např. případové studie) s cílem vysvětlit PROČ TO (NE)FUNGUJE? (Theory based evaluation, case studies)
22 Jak účinkuje intervence Zjednodušený příklad Předpokládejme, že náš program (treatment) spočívá v možnosti získat grant v jednotné výši Kč na vytvoření jednoho pracovního místa. Jde o binární proměnou, buď T=1 (existuje možnost grantu) nebo T=0 (neexistuje možnost grantu). Pro zjednodušení: každý, kdo grant dostane, pracovní místo i vytvoří. Výsledek je také binární, buď se vytvoří místo (Y=1) nebo nevytvoří (Y=0).
23 Co může v tomto jednoduchém světě nastat? Počet vytvořených míst S intervencí Bez intervence Dopad (Y T=1) (Y T=0) (Y T=1) - (Y T=0) Compliers/ovlivnitelní: 1 0 Always takers/pilní: 1 1 Never takers/líní: 0 0 Defiers (kverulanti): 0 1 (také se jim říká puberťáci) = 1 = 0 = 0 = -1
24 T=1 Možné výsledky 1 COMPLIERS δ= 1 Pozitivní dopad je jen mezi ovlivnitelnými, je však obtížné je identifikovat ALWAYS-TAKERS δ= 0 δ= 0 δ= -1 0 NEVER TAKERS 1 DEFIERS T=0
25 T=1 1 COMPLIERS δ= 1 δ= 0 ALWAYS-TAKERS δ= 0 δ= -1 Řekněme, že neexistují (nebo jich je zanedbatelný počet jsou fakt divní). DEFIERS(Pokud existují) 0 NEVER TAKERS 1 T=0
26 T=1 1 COMPLIERS δ= 1 δ= 0 ALWAYS-TAKERS δ= 0 0 NEVER TAKERS Jsou pozorovatelní: Ti, kteří si grant mohli vzít, ale nevzali. T=0
27 T=1 Vzali si grant a změnili své chování 1 COMPLIERS δ= 1 δ= 0 ALWAYS-TAKERS Vzali si grant, ale nové místo by vytvořil i bez něj 0 1 T=0
28 T=1 Neexistuje zjevný způsob jak je odlišit 1 COMPLIERS δ= 1 δ= 0 ALWAYS-TAKERS 0 1 T=0
29 Co může v tomto jednoduchém světě nastat? S intervencí Bez intervence Impact (Y T=1) (Y T=0) (Y T=1) - (Y T=0) Compliers (ovlivnitelní): 1 0 Always takers (pilní): 1 1 Never takers (líní): 0 0 Defiers (kverulanti): 0 1 (také se jim říká puberťáci) = 1 = 0 = 0 = -1
30 Compliers: Y = 1 Always takers: Y = 1 Never takers: Y = 0 To je vše co lze pozorovat! Se všemi daty (a se všemi myslitelnými indikátory) nemůžeme určit, které z 1000 podpořených firem by vytvořily pracovní místo i bez obdrženého grantu. Takže zatím nevíme, jaký byl dopad naší politiky
31 A také zde narážíme na jeden další pojem Mrtvá váha DEADWEIGHT není nic jiného než maskovaný counterfactual; DEADWEIGHT je výsledek always-takerů; DEADWEIGHT není efekt, který by se měl odečíst, spíše ukazuje na absenci zamýšleného efektu zkoumané politiky; DEADWEIGHT je zpravidla uvažován, jen pokud stojí peníze, jinak nikoho nezajímá (přitom čistě logicky mrtvá váha politiky nařizující snížení rychlosti na silnici jsou ti, kteří jezdí pomalu sami od sebe); DEADWEIGHT pohřbíme na Hřbitov Zbytečných Pojmů, protože Je nepozorovatelný, a proto nepoužitelný v monitoringu Je redundantní v konceptu CIE
32 Occamova břitva entia non sunt multiplicanda praeter necessitatem pojem nemá být vytvořen pokud to není nezbytně nutné. Deadweight Hřbitov zbytečných pojmů Hrubý dopad Čistý dopad Indikátory dopadu Účelnost / Effectiveness (Účinnost / Efficiency)
33 Odlišitcompliersa always takersje stejný problém jako odlišit impacta counterfactual(nebo deadweight) Potřebujeme další data a (netestovatelné) předpoklady, abychom mohli impact odhadnout. Potřebujeme identifikační strategii (identification strategy)
34 Přehled identifikačních strategií (designů CIE) Existuje několik základních přístupů, které vyžadují různě silné předpoklady. Neexistuje univerzálně nejlepší přístup. Některé ale vyžadují tak silné předpoklady, že jsou v praxi neužívané (ale svojí jednoduchostí se hodí k pochopení těch složitějších). Zpravidla mají velmi silnou interní validitu, avšak často slabší externí validitu.
35 Intermezzo III Terminologická vsuvka Vnitřní platnost Internal validity Vnitřníčistota vědeckého postupu, kdy ze samotné jeho konstrukce vyplývá platnost závěrů pro konkrétní zkoumaný jev. Vnější platnost External validity Souvisí se zobecnitelností závěrů. Např.: pokud prokáži s velkou interní validitou, že impact OP LZZ na zaměstnanost podpořených žen v jihočeském kraji ve srování s nepodpořenými byl velký, mohu usuzovat, že OP LZZ bude fungovat i na muže v moravskoslezském kraji?
36 Interní a externí validita Slabou interní validitu má např. fokusní skupina vybraná metodou sněhové koule. Slabiny CIE metod v externí validitě lze odstranit opakováním velkého množství evaluací obdobných intervencí nebo kombinací s kvalitativními metodami (mixed methods), kdy poté, co díky CIE zjistím, jak moc intervence funguje, mi např. Theory based impact evaluation může osvětlit, proč to funguje.
37 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
38 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
39 PRE & POST Měříme pouze situaci účastníků před intervencí a po intervenci. Tzv. one group pretest posttest design (Před a po bez kontrolní skupiny) Základní předpoklad: neexistuje přirozená dynamika, tj. bez politiky by zůstal původní stav Takto lze např. zjišťovat Dopad stavebních aktivit ŘSD v roce 2010 na délku dálniční sítě v ČR
40
41 PRE & POST Problém je v akceptovatelnosti předpokladu, že neexistuje přirozená dynamiky, protože věci se, jak známo, mění samy od sebe. Pokud přirozená dynamika je nulová, pak je dopad skutečně roven rozdílu mezi konečnou a výchozí situací. Pokud však je přirozená dynamika pozitivní (věci se samovolně zlepšuji), pak by byl dopad nadhodnocen. Pokud je přirozená dynamika negativní (věci se zhoršují), pak by byl dopad podhodnocen.
42 PRE & POST Možností rozvinutí tohoto přístupu je získání dalších pozorování časové řady One group interupted time-series design Výdaje na vzdělávání zaměstnanců (mil. Kč) Impact? Výdaje Začátek intervence 0 PRE (t-3) PRE (t-2) PRE (t-1) PRE (t) POST (t+1) Čas
43 PRE & POST Předpoklad absence přirozené dynamiky se mění na předpoklad neměnnosti trendu. Stále velmi silný předpoklad (Můžete se třeba pokusit vyloučit všechna alternativní vysvětlení, proč by se trend mohl změnit.)
44 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
45 Intuitivní příklad? Ve třídě nabídneme doučování z matematiky. Část žáků se přihlásí, část nikoliv. Na konci roku je průměrná známka z matematiky ve skupině doučovaných 3,2 a ve skupině nedoučovaných 2,7. Bylo doučování prospěšné? Jaký je impact/dopad doučování? Jak probíhal proces výběru (selection process)?
46 WITH & WITHOUT Měříme situaci účastníků po intervenci a situaci neúčastníků po intervenci, rozdíl považujeme za dopad. Základní předpoklad: neexistují předintervenční rozdíly mezi skupinami způsobené procesem výběru účastníků Nebo jinak: pokud by ani jedna skupina nebyla podpořena, jejich výsledky by byly stejné.
47 Diskuse Navrhněte způsob, jak změřit účinek (impact) doučování žáků z matematiky.
48 Jak zajistit totožnost (tedy porovnatelnost) skupiny účastníků a neúčastníků, tj. nulový selection bias nulové zkreslení výběrem účastníků? Tady aby výsledek účastníků a neúčastníků v situaci bez intervence byl totožný? NEJLEPŠÍ ZNÁMÝ ZPŮSOB JE PROVÉST NÁHODNÉ PŘIŘAZENÍ (RANDOM ASSIGNMENT) 48
49 Experimentální metody Randomized control trials Experimentální design používá náhodně vybranou skupinu účastníků (treated group) a kontrolní skupinu (control group). Při použití náhodného přiřazení centrální limitní věta (a dostatečná velikost obou skupin) zajistí, že obě skupiny jsou ekvivalentní ve svých pozorovatelných i nepozorovatelných charakteristikách. Tento přístup má silnou interní validitu (byť existují problémy, zvláště pokud se ví, kdo je v jaké skupině viz tzv. Hawthrone effect), ale omezenou možnost zobecnění.
50 Výběr ve skutečném světě strukturálních fondů 1. Oprávněnost Oprávněnost je dána na základě pozorovatelných, zpravidla objektivních veličin (působí to selecion bias?). 2. Rozhodnutí o účasti Ne všichni oprávnění podají žádost, rozhodují o tom nepozorovatelné jevy (působí to selection bias?). 3. Výběr Rozhodování o tom, koho podpořit, probíhá na základě pozorovatelných objektivních i subjektivních veličin, s určitou dávkou náhodnosti (působí to selection bias?).
51 Výběr ve skutečném světě strukturálních fondů Složitý proces výběru také přináší otázku, jaký impact sledovat: Podpořené projekty ve srovnání s nepodpořenými? Podpořené projekty ve srovnání s těmi, co se nepřihlásili? Podpořené projekty ve srovnání s neoprávněnými? Vše přináší určitou informaci, ne všechno je v praxi stejně snadné.
52 Zpět k experimentům Přestože je možnost experimentálního designu pro evaluaci strukturálních fondů velmi nepravděpodobná, není to tak nesmyslné, jak se na první pohled zdá.
53 Zpět k experimentům Etická námitka: Nemůžete přeci losovat, kdo dostane podporu a kdo ne, jak k tomu ti nepodpoření přijdou? Pokud jsme si jistí, že to funguje a nepodpoření mají újmu, tak proč evaluovat? Pokud si nejsme jistí, že to funguje, jaká újma? Podívejte na lékaře, ti v experimentech zabíjejí lidi (určitě mnoho lidí zemřelo jen proto, že byly v kontrolní skupině), kvůli nám nikdo neumře.
54 Co by mohlo být možné (pokud vůbec něco) Pipeline approach pokud je poptávka větší než kapacita poskytovatele dotací a nelze všem dát hned, nabízí se možnost losovat kdy na konkrétní projekt dojde (teď nebo za dva roky?), což přináší možnost evaluovat rozdíly ve vývoji po dobu dvou let (častý přístup v rozvojové pomoci). Různá podpora např. část projektů dostane úvěr, část grant. CIE pak hodnotí, která z intervencí je lepší (darwinovský přístup k vývoji politik). Random encouragement (více u Instrumental variable design).
55 Regression discontinuity design Využití situace přirozeného experimentu (natural experiment).
56 Předpoklady Regresní diskontinuita Existuje nějaká spojitá proměnná, která skokově ovlivňuje pravděpodobnost účasti v podpoře. p(t=1) 1 Úsek, kde funkce p(t=1) nemá definovanou derivaci Cut off point Funkce p(t=1) ostrá/sharp varianta Funkce p(t=1) neostrá/fuzzy varianta Proměnná X
57 Regression discontinuity design Nějaký příklad? Počet bodů z věcného hodnocení projektové žádosti. Pravděpodobnost podpory projektu Počet bodů
58 Regression discontinuity design Na čem počet bodů závisí? Na mnoha věcech, které neumíme operacionalizovat. To ale nevadí. Lze přijmout předpoklad, že projekty těsně nad čarou, jsou stejně dobré jako projekty těsně pod čarou. Pro projekty blízko hranice platí, že to, zda jsou nad čarou nebo pod čarou je svým způsobem téměř náhodné.
59 Regression discontinuity design U sledovaného indikátoru pozorujeme v závislosti na počtu bodů např. toto rozložení (modře výsledky nepodpořených projektů, zeleně podpořených). Vysvětlíme-li závislost jednoduchou regresí zvlášť pro oběčásti, dostaneme toto: Impact
60 Regression discontinuity design Impact lze odhadnout jako rozdíl mezi vnitřními krajními body obou regresních funkcí. Tento přístup má silnou interní validitu a omezenou externí validitu (omezenou vypovídací schopnost). Ukazuje pouze na dopad podpořených vs. nepodpořených projektů v blízkosti čáry. Nevíme nic o dopadu pro projekty s maximem bodů nebo pro nepodpořené projekty s málo body (natož pro ty, co nejsou eligible ). Vote Share, Election t+1 Vote Share, Election t Figure IVa: Democrat Party's Vote Share in Election t+1, by Margin of Victory in Election t: local averages and parametric fit Local Average Polynomial fit Local Average Polynomial fit Vote Share Margin of Victory, Election t Figure IVb: Democratic Party Vote Share in Election t-1, by Margin of Victory in Election t: local averages and parametric fit Vote Share Margin of Victory, Election t
61 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
62 Pre & Post + With & Without (Two group pretest posttest design) Máme alespoň 4 pozorování: účastníci před a po a neúčastníci před a po. Základní předpoklad: externí faktory působí na obě skupiny stejně. Metoda: Difference in Difference (DD), rozdíl rozdílů, dvojitá diference
63
64 PRE DIFFE- RENCE counterfactual IMPACT POST DIFFE- RENCE POST difference (10.000) - PRE difference (5.000) = Impact = 5.000?
65 Nutné předpoklady 1. Kontrafaktuální trend je rovnoběžný s trendem neúčastníků. 2. Všechny nepozorovatelné rozdíly mezi účastníky a neúčastníky jsou konstantní v čase. 3. Selection bias spočívá pouze ve výchozí úrovni, nikoliv v trendu.
66 Vzhledem k těmto předpokladům může být odhad impactu pomocí DD přibližný, špatný nebo naprosto zcestný. Oprávněnost použití metody závisí na kvalitativní znalosti kontextu zkoumané intervence. Část předpokladů (rovnoběžnost trendu) můžeme testovat za předpokladu, že máme k dispozici další data časovou řadu pro obě skupiny v PRE období.
67
68
69 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
70 Ošetření proměnných ovlivňujících participaci T (podpora) Y (zaměstnanost) X (vzdělání) Ústřední problém: existuje mnoho jevů, které současně ovlivňují pravděpodobnost, že se osoba bude účastnit naší podpory a sledovanou výslednou proměnnou (např. osoby s nižším vzděláním budeme častěji rekvalifikovat než vysokoškoláky a zároveň má osoba s nižším vzděláním menší pravděpodobnost nalézt zaměstnání než vysokoškolák).
71 Základním princip Základním principem je porovnávání účastníka s co nejpodobnějším neúčastníkem. (Vysokoškoláky s vysokoškoláky, zdravotně postižené se zdravotně postiženými). V praxi se používají statistické metody odvozené od regresní analýzy.
72 párování Účastníci Neúčastníci
73 Předpoklady Mám informace o charakteristikách účastníků i neúčastníků, které ovlivňují účast i výsledky a mám důvod věřit, že ostatní charakteristiky (k nimž nemám data) jsou v obou skupinách shodně rozvrstveny. Obě skupiny jsou dostatečně velké (ne o mnoho méně než tisíc) Existují podobní ve skupině účastníků i neúčastníků
74 Propensity score matching Statistická metoda, která umí veškeré charakteristiky (ne)účastníka interpretovat jedním číslem (propensity score), následně porovnává páry s nejbližším propensity score. Jako by se zkoumané subjekty lišili jen svojí výškou.
75 Propensity score matching možnost rozšíření modelu Máme-li k dispozici daje z doby před intervencí i po intervenci (panelová data), lze použít kombinaci metody Difference-in- Difference a PSM. Vysvětlovanou proměnnou zde pak není hodnota Y, nýbrž její první derivace, což eliminuje všechny pozorovatelné i nepozorovatelné veličiny ovlivňující výchozí úroveň Y a selection bias může zbýt pouze v rozdílném trendu. Máme-li panelová data i pro vysvětlující veličiny, můžeme eliminovat i proměnlivé trend jednotlivých vysvětlujících proměnných.
76 Design či metoda 1 Pre & Post Před a po bez kontrolní skupiny 2 With & Without Randomized control trial (pokus s náhodný přiřazením účastníků) Regression discontinuity design (regresní diskontinuita) 3 Pre & Post v kombinaci s With & Without Metoda Difference-indifference Dvojí diference 4 Využití informací o proměnných ovlivňující participaci Regresní analýza Propensity score matching 5 Instrumental variable (instrumentální proměnná) Předpoklad Neexistuje přirozená dynamika (natural dynamics) Podpořená a nepodpořená skupina jsou ekvivalentní Na obě skupiny působí externí faktory stejně Všechny rozdíly mezi skupinami jsou pozorovatelné Existuje něco, co ovlivňuje účast v podpoře, avšak nikoliv výsledek
77 Instrumentální proměnná Instrumental variable T (podpora) Y (výsledek) X (IV) Co když existuje proměnná, která ovlivňuje participaci v intervenci, ale která (významně) neovlivňuje výsledek?
78 Skupinová úloha 2 (jako průprava pro použití instrumentálních proměnných) Cisterna se studenou vodou Rozbitá baterie (umožňuje míchat vodu v poměru 25:75 až 75:25) Cisterna, kterou jsme se pokoušeli ohřát Navrhněte metodu, jak zjistit rozdíl teploty vody v cisternách. Špatněfungujícíbaterie neumožňuje zcela uzavřít jeden zdroj vody, ale umožňuje namíchat směs v různých známých poměrech. Nádoba s teploměrem
79 Úloha z matematiky (jako průprava pro použití instrumentálních proměnných) Natočím si jednu směs (např. 0,25 tepléa 0,75 studené) a změřím teplotu (např. 30 C). Natočím si jinou směs (např. 0,65 tepléa 0,35 studené) a změřím teplotu (např. 40 C). Je rozdíl v měření(10 C) rozdílem teplot v cisternách? NE. Jak spočítám rozdíl? T-S = 10 C / 0,4 T-S = 25 C
80 Úloha z matematiky (jako průprava pro použití instrumentálních proměnných) 0,25 T + 0,75 S = 30 C 0,65 T + 0,35 S = 40 C 10 C = (0,65 T + 0,35 S) (0,25 T + 0,75 S) 10 C = 0,4 T 0,4 S 10 C = 0,4 (T S) 10 C / 0,4 = T S 25 C = T S
81 Instrumentální proměnná Instrumentální proměnná funguje podobně jako částečně funkční směšovací baterie v předchozím příkladu. Potřebuji nějaký instrument, o kterém vím, že (i) ovlivňuje účast, (ii) neovlivňuje výsledky. Kde ale něco takového najít? První možností je mít štěstí a identifikovat přirozenou IV (např. diskontinuitu v metodikách, administrativní hranice), u které lze úspěšně argumentovat, že ovlivňuje participaci a zároveň neovlivňuje výsledek intervence. U našeho evaluačního projektu je to kvalita hodnotitelů to, zda projekt dostane přísného nebo shovívavého hodnotitele je náhodné, tato náhoda ovlivňuje šanci, zda bude realizovat projektu, ale neovlivňuje dispozice projektu mít dobré nebo špatné výsledky. Druhou možností je ji uměle vytvořit, často zmiňovaná je možnost, tzv. randomized encouragement / náhodného oslovení.
82 Náhodné oslovení Mějme pilotní projekt na zlepšení finanční gramotnost. Cílem je zjistit, nakolik naše vzdělávání ve finanční gramotnosti funguje. Postup by byl tento: 1. Uchazeči o zaměstnání na ÚP se mohou účastnit vzdělávání FG. 2. Na tuto možnost jsou však úředníkem aktivně upozorněni pouze uchazeči, kteří se narodili v lichý den. (Umělá instrumentální proměnná). 3. Pochopitelně, uchazeč může účast odmítnout a naopak, ÚP nemůže odmítnout uchazeče narozeného v sudý den, který se o FG vzdělávání doslechl od souseda nebo z médií. 4. Můžeme oprávněně předpokládat, že lidé narození v lichý den jsou stejní jako ti, narození v sudý den. Kdy přišli na svět je náhoda. 5. Pokud naše náhodné oslovení mělo účinek, pak např. ze všech lichých uchazečů se vzdělávání zúčastní 55 % a ze všech sudých jen 15 %.
83 Náhodné oslovení 6. Po čase např. zjistíme, že z lichých uchazečů 20 % skončilo v registru dlužníků (směs 55% účastníků a 45% neúčastníků). Ze sudých to je 35 % (směs 15% účastníků a 85% neúčastníků). 7. Snadno spočítáme, že účastí na vzdělávání se sníží pravděpodobnost, že uchazeč skončí v registru dlužníků o 0,375. (Průměrný účastník vzdělávání skončí v registru dlužníků s pravděpodobností 3,1 %, totožný průměrný neúčastník s pravděpodobností 40,6 %) => Náš kurs finanční gramotnosti musí být naprosto geniální.
84 Instrumentální proměnné Omezení designu: IV přístup má silnou vnitřní logiku, avšak za cenu malé přesnosti (čím menší vliv má instrumentální proměnná na participaci v intervenci, tím se výpočet kontrafaktuálu limitně blíží výrazu 0/0 a nelze prokázat statistickou významnost; je to drahá metoda z hlediska potřebné velikosti vzorku. IV přístup má omezenou externí validitu, protože zachycuje (nevychýleně) impact pouze pro skupinu compliers.(tedy přesně měří efekty na tu skupinu, která se nechala ovlivnit naší náhodně cílenou propagací intervence).
85 Shrnutí jak vybrat design podle povahy intervence Jde o univerzální nebo neuniverzální intervenci? Univerzální (např. povinná), existují pouze účastníci. Data jen o účastnících. Neuniverzální, existují účastníci i neúčastníci. Data mám i o neúčastnících. One group design Comparison group design Analýza časových řad (Interupted time series analysis)
86 Mám panelová data nebo využitelný přirozený experiment? NE. Musím očistit vliv pozorovatelných kontrolních proměnných Propensity score matching ANO Využitelný přirozený experiment? ANO NE Regresní diskontinuity (RDD) nebo Geografický experiment
87 Mám panelová data pro výsledek (Y) nebo i pro kontrolní proměnné (X)? Jen indikátor Y I kontrolní proměnné (X) Difference-in-difference (DD) nebo DDD Propensity score matching v kombinaci s Difference-in-difference (tj. pomocí PSM vysvětluji derivaci Y nikoliv Y samotné)
88 Výběr metody Pokud je to možné, je vhodné použít více metod současně jako nástroj testování stability odhadu kontrafaktuálu / impactu. Výstup dobré CIE není jedno číslo se čtyřmi desetinnými místy, ale spíše interval vzniklý na základě testování stability.
89 Zdroje dalších informací K metodologii CIE pro intervence typu podpora podniků Bondonio, Daniele. Impact identification strategies for evaluating business incentive programs. Dipartimento di Politiche Pubbliche e Scelte Collettive POLIS Working Paper n. 145, June 2009 [online]. URL: < Studie věnovaná determinantům účasti v programu (užitečná v případě volby metody propensity score matching jako použité identification strategy): Tanayama, Tanja. Eligibility, awareness and the application decision: An empirical study of firm participation in an R&D subsidy program. Discussion Paper No. 161, April 2007 [online]. University of Helsinki and HECER. ISSN URL: <
90 Zdroje dalších informací Příklady zajímavých evaluací: Gadd, Håkan Hansson, Gustav Månsson, Jonas. Evaluating the impact of firm subsidy using a multilevel propensity score approach. Working Paper Series Nr 3, 2009 [on-line]. Centre for Labour Market Policy Research. ISSN X. URL: < Serrano-Velarde, Nicolas. The Financing Structure of Corporate R&D Evidence from Regression Discontinuity Design. European University Institute [online]. URL: < RevisedDraft.pdf>. Einiö, Elias. The effect of government subsidies on private R&D: evidence from geographic variation in support program funding. Discussion Paper No. 263, May 2009 [online]. University of Helsinki and HECER. ISSN URL: < Bondonio, Daniele Greenbaum, Robert T. Counterfactual Impact Evaluation of Enterprise Support Policies: An Empirical Application to EU, Co-Sponsored, National and Regional Programs. John Glenn School of Public Affairs Working Paper Series, July 2010 [online]. URL: < enbaum_ pdf>.
91 Naše aktivity v oblasti CIE V běhu: Pilotní kontrafaktuální evaluace dopadu na naší PO1-Adaptabilita (viz navazující workshop) mezi použitými metodami je Regresní diskontinuita (u grantových projektů s využitím hranice bodového hodnocení jako diskontinuity) Instrumentální proměnná (u grantových projektů náhodná míra přísnosti hodnotitelů Propensity score matching (u podpor ze Vzdělávejte se!)
92 Naše aktivity v oblasti CIE Ve stádiu studie proveditelnosti kontrafaktuální evaluace aktivní politiky zaměstnanosti (po technické stránce realizovatelná, nyní řešíme právní problémy z oblasti ochrany osobních údajů). Hledáme další příležitosti (např. individuální pilotní projekt na finanční gramotnost?).
93 Zdroje dalších informací Obecně k metodologii Counterfactual Impact Evaluation DG REGIO. Evalsed: counterfactual impact evaluation [online]. URL: < ourcebooks/method_techniques/counterfactual_impact_evaluation/index_en.htm>. Shahidur R. Khandker, Gayatri B. Koolwal, Hussain A. Samad (2010). Handbook on impact evaluation : quantitative methods and practices. The International Bank for Reconstruction and Development / The World Bank. ISBN URL: < 0/ _ /Rendered/PDF/520990PUB0EPI1101Offici al0use0only1.pdf>. Konference DG REGIO ve Varšavě 2009: New Methods for Cohesion Policy Evaluation : Promoting Accountability and Learning Workshop 1: Rigorous impact evaluation using counterfactuals URL: < htm>. White, Howard (2010). A Contribution to Current Debates in Impact Evaluation. Evaluation, April 2010, pp
94 Děkuji za pozornost. web projektu:
Evaluace na rozcestí trendy a praxe Pilotní evaluace srovnávací metodou (counterfactual) v OP Lidské zdroje a zaměstnanost
Evaluace na rozcestí trendy a praxe Pilotní evaluace srovnávací metodou (counterfactual) v OP Lidské zdroje a zaměstnanost Vladimír Kváča Ministerstvo práce a sociálních věcí ČR Oto Potluka IREAS a VŠE
VíceZkušenosti s Counterfactual Impact Evaluation v České republice: Příklad OP LZZ. Vladimír Kváča Oto Potluka
Zkušenosti s Counterfactual Impact Evaluation v České republice: Příklad OP LZZ Vladimír Kváča Oto Potluka Potřeba zadavatele Součástí Operačního programu Lidské zdroje a zaměstnanost je financování intervencí
VíceZkušenosti s použitím metod Counterfactual Impact Evaluation při evaluaci ESF v České republice. Jan Brůha IREAS
Zkušenosti s použitím metod Counterfactual Impact Evaluation při evaluaci ESF v České republice Jan Brůha IREAS Pilotní projekt použití CIE pro hodnocení ESF OPLZZ V současné době byly použity tři metody
VíceKonference Terénní a nízkoprahové programy 2010
Hodnocení efektivity nízkoprahových programů Jan Morávek, Ph.D. Institut sociologických studií FSV UK Praha Konference Terénní a nízkoprahové programy 2010 Praha 15. 1. 2010 Východiska Své právo na existenci
VíceSběr dat pro CIE. Oto Potluka. IREAS a VŠE Praha HTTP://CIE.VSE.CZ
Sběr dat pro CIE Oto Potluka IREAS a VŠE Praha HTTP://CIE.VSE.CZ Tři datové soubory pro CIE Výzva Vzdělávejte se! - 3357 firem Grantové výzvy 1481 podpořená firma Kontrolní skupina 3000 4000 firem Odmítnutí
VíceZADÁVACÍ PODMÍNKY (TERMS OF REFERENCE) PRO VEŘEJNOU ZAKÁZKU MALÉHO ROZSAHU. Pilotní Counterfactual Impact Evaluation OP LZZ, oblast podpory 1.
ZADÁVACÍ PODMÍNKY (TERMS OF REFERENCE) PRO VEŘEJNOU ZAKÁZKU MALÉHO ROZSAHU Pilotní Counterfactual Impact Evaluation OP LZZ, oblast podpory 1.1 Březen 2011 PODPORUJEME VAŠI BUDOUCNOST www.esfcr.cz Obsah:
VíceAbstract. Abstrakt. Klíčová slova. Key words
; https://www.evaltep.cz Potluka, O., Brůha, J. (2013) Zkušenosti s kontrafaktuální dopadovou evaluací v České republice. 1(1): 53 68 * Oto Potluka, Katedra managementu, Vysoká škola ekonomická v Praze,
VíceOutcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka
Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka 2014 1 Obsah prezentace Představení metody Oucome Mapping Evaluation (OME) relativně nová metoda v ČR alternativa ke konvenčním lineárním
VíceKatedra psychologie Fakulta sociálních studií MU
PSY112 / PSY452 / PSY704 METODOLOGIE PSYCHOLOGIE (KVANTITATIVNÍ PŘÍSTUP) Katedra psychologie Fakulta sociálních studií MU POUŽITÁ LITERATURA Ferjenčík, J. (2000). Úvod do metodologie psychologického výzkumu.
VíceKritérium relevance v hodnocení udržitelného rozvoje. Doc. PaedDr. Tomáš Hák, PhD. Doc. RNDr. Svatava Janoušková, PhD.
Kritérium relevance v hodnocení udržitelného rozvoje Doc. PaedDr. Tomáš Hák, PhD. Doc. RNDr. Svatava Janoušková, PhD. ČZU Praha, 30. května 2017 Hodnocení Evaluation Assessment Evaluace je proces systematického
VíceSTÁHNĚTE SI SCHÉMA Z DOKUMENTOVÉHO SERVERU IS MU (blíže příloha č. 3) Řešení úkolu č. 4
Návrh experimentu - úkol č. 4 [1 strana] Navrhněte experiment: Zaplňte schéma experimentu (stimul, experimentální a ) konkrétními skutečnostmi a napište v čem bude spočívat pre-test a post-test. STÁHNĚTE
VíceTeorie a politika pracovního trhu. Kombinované studium Jaro 2013
Teorie a politika pracovního trhu Kombinované studium Jaro 2013 Účinky opatření aktivní politiky TP Opatření APZ Faktory ovlivňující účinky opatření APZ Co posuzujeme: - makroefekty - cílenost - efekty
VíceEx-post evaluace , podnikový výzkum a data
MINISTERSTVO PRO MÍSTNÍ ROZVOJ Národní orgán pro koordinaci Ex-post evaluace 2007 13, podnikový výzkum a data Martin Hruška 12. června 2018, Konference ČES OBSAH 1. Ex-post evaluace 2007-13 I. Syntéza
VíceVÝBĚR A JEHO REPREZENTATIVNOST
VÝBĚR A JEHO REPREZENTATIVNOST Induktivní, analytická statistika se snaží odhadnout charakteristiky populace pomocí malého vzorku, který se nazývá VÝBĚR neboli VÝBĚROVÝ SOUBOR. REPREZENTATIVNOST VÝBĚRU:
VícePilotní counterfactual impact evaluation OP LZZ, oblast podpory 1.1
Pilotní counterfactual impact evaluation OP LZZ, oblast podpory 1.1 Průběžná zpráva č. 2 Verze 2.2 z 27. února 2013 PODPORUJEME VAŠI BUDOUCNOST www.esfcr.cz Zadavatel: Ministerstvo práce a sociálních věcí
VíceSMÍŠENÉ MODY SBĚRU DAT - DRUHY CHYB A MOŽNOSTI SROVNATELNOSTI
SMÍŠENÉ MODY SBĚRU DAT - DRUHY CHYB A MOŽNOSTI SROVNATELNOSTI Mgr. Jarmila Pilecká ISS FSV UK OBSAH PREZENTACE Důvody použití mixed-mode řešení Které chyby řeší a které může naopak způsobovat? Jak efektivně
VíceModerní a alternativní metody výuky pohledem datových analýz. Mgr. Jakub Lysek, Ph.D. a Mgr. Michal Soukop
Moderní a alternativní metody výuky pohledem datových analýz Mgr. Jakub Lysek, Ph.D. a Mgr. Michal Soukop Struktura přednášky 1. Konceptualizace metod výuky 2. Dvourozměrná analýza dat 3. Statistické modelování
VícePostupy a metody kontrafaktuálních dopadových evaluací pro Operační program Zaměstnanost v období 2014 2020
ostupy a metody kontrafaktuálních dopadových evaluací pro Operační program Zaměstnanost v období 2014 2020 Autoři: Ing. Oto otluka, h.d. Ing. Martin Špaček verze: 15. října 2013 Zpracováno s podporou programu
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VíceUsuzování za neurčitosti
Usuzování za neurčitosti 25.11.2014 8-1 Usuzování za neurčitosti Hypotetické usuzování a zpětná indukce Míry postačitelnosti a nezbytnosti Kombinace důkazů Šíření pravděpodobnosti v inferenčních sítích
VíceCo chceme a můžeme změnit? Jejíž podstata spočívá v definování konkrétních problémů, které chceme a jsme schopni intervencemi změnit.
1.1. Intervenční logika Požadavek na vytvoření indikátorové soustavy je součástí čl. 87 2 b (v) obecného nařízení, který vymezuje obsah a stanovení operačního programu. V případě programů EZFRV a ENRF
VíceVýsledky aplikace kvantitativních metod CIE na OP LZZ, oblast podpory 1.1. Workshop č. 4 24. října 2012
Výsledky aplikace kvantitativních metod CIE na OP LZZ, oblast podpory 1.1 Workshop č. 4 24. října 212 Po čem pátráme v této evaluaci a ještě rok budeme? Jaké jsou dopady ESF v podpořených firmách na: zaměstnanost,
VíceIntervenční logika programu / teorie změny Vazba na tematický okruh: 1 - Trh práce
Intervenční logika programu / teorie změny Vazba na tematický okruh: 1 - Trh práce Tematický cíl: Podpora udržitelné zaměstnanosti, kvalitních pracovních míst a mobility pracovních sil Program: OP Zaměstnanost
VíceZÁKLADNÍ METODOLOGICKÁ PRAVIDLA PŘI ZPRACOVÁNÍ ODBORNÉHO TEXTU. Martina Cirbusová (z prezentace doc. Škopa)
ZÁKLADNÍ METODOLOGICKÁ PRAVIDLA PŘI ZPRACOVÁNÍ ODBORNÉHO TEXTU Martina Cirbusová (z prezentace doc. Škopa) OSNOVA Metodologie vs. Metoda vs. Metodika Základní postup práce Základní vědecké metody METODOLOGIE
VíceRozvoj v evaluacích, evaluace v rozvoji
Rozvoj v evaluacích, evaluace v rozvoji Konference České evaluační společnosti 2018 Praha, 11. 12. 6. 2018 Česká evaluační společnost, z.s. Heřmanova 22, 170 00 Praha 7, e-mail: ces@czecheval.cz, web:
VíceZákony hromadění chyb.
Zákony hromadění chyb. Zákon hromadění skutečných chyb. Zákon hromadění středních chyb. Tomáš Bayer bayertom@natur.cuni.cz Přírodovědecká fakulta Univerzity Karlovy v Praze, Katedra aplikované geoinformatiky
VíceŘízení projektového cyklu. Fáze projektového cyklu
ODBORNÉ VZDĚLÁVÁNÍ ÚŘEDNÍKŮ PRO VÝKON STÁTNÍ SPRÁVY OCHRANY OVZDUŠÍ V ČESKÉ REPUBLICE Řízení projektového cyklu (PCM - project cycle management) Fáze projektového cyklu Řízení projektového cyklu Projektový
VíceCross-section pozorování Firma, člověk Časový úsek
Pooled data y = Xβ + ε Cross-section pozorování Firma, člověk ds = αsdt + σsdw Časový úsek Základní soubor Výběrový soubor Základní soubor Je Proces 1 konkrétní realizace Co sledovat firmu(y), osobu(y)
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 10 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
Více2 Hlavní charakteristiky v analýze přežití
2 Hlavní charakteristiky v analýze přežití Předpokládané výstupy z výuky: 1. Student umí definovat funkci přežití, rizikovou funkci a kumulativní rizikovou funkci a zná funkční vazby mezi nimi 2. Student
VíceEpidemiologické metody
6. SEMINÁŘ RIZIKA Epidemiologické metody Posuzování vztahů mezi nemocemi a jejich příčinami a podmínkami vzniku. Důležitou roli zde má statistika poskytuje metody pro měření asociace mezi jevy Pro posouzení
VíceJAK FUNGUJÍ STÁŽE PRO MLADÉ ZÁJEMCE O ZAMĚSTNÁNÍ
JAK FUNGUJÍ STÁŽE PRO MLADÉ ZÁJEMCE O ZAMĚSTNÁNÍ Vědunka Kopečná (FDV) Markéta Nekolová (FDV) Martin Nekola (FSV UK) Evaluace ve světle nových příležitostí, 9. 6. 2015 1 Obecné informace o stážích pracovní
VíceVyužití indikátorů při hodnocení spravedlivosti vzdělávacích systémů
Využití indikátorů při hodnocení spravedlivosti vzdělávacích systémů Cyklus přednášek: Podněty pro pedagogický výzkum PdF MUNI v Brně, 13. 5. 2008 David Greger PedF UK v Praze Ústav výzkumu a rozvoje vzdělávání
VíceJana Vránová, 3. lékařská fakulta UK
Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace
VíceGenetické programování 3. část
1 Portál pre odborné publikovanie ISSN 1338-0087 Genetické programování 3. část Macháček Martin Elektrotechnika 08.04.2011 Jako ukázku použití GP uvedu symbolickou regresi. Regrese je statistická metoda
VícePravděpodobnost, náhoda, kostky
Pravděpodobnost, náhoda, kostky Radek Pelánek IV122 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností připomenutí, souvislosti
VícePravděpodobnost, náhoda, kostky
Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké
VíceNázev případové studie: Kontrafaktuální evaluace dopadů ROP Jihovýchod na vymezených územích
Případové studie Evaluační teorie a praxe Ročník 3(1) 2015 Název případové studie: Kontrafaktuální evaluace dopadů ROP Jihovýchod na vymezených územích Autor/ři: Mgr. Leoš Zavřel, Naviga 4, s.r.o. Abstrakt
VíceSmíšený evaluační design v dopadové evaluaci: to nejlepší z obou světů? Martin Nekola, FSV UK 2014
Smíšený evaluační design v dopadové evaluaci: to nejlepší z obou světů? Martin Nekola, FSV UK 2014 Osnova 1. Smíšený přístup k dopadové evaluaci. 2. Důvody pro jeho využití. 3. Existující designy a jejich
VíceEvalCafé Zkušenosti z evaluací zahraniční rozvojové spolupráce. Daniel Svoboda 20. března 2017
EvalCafé Zkušenosti z evaluací zahraniční rozvojové spolupráce Daniel Svoboda 20. března 2017 1 Úvod Téma EvalCafé vychází z doporučení souhrnné zprávy hodnocení pracovních verzí evaluačních zpráv projektů
VíceCelková strategie hodnocení programu iniciativy EQUAL v České republice (pro období 2004-2008)
Celková strategie hodnocení programu iniciativy EQUAL v České republice (pro období 2004-2008) 1. Základní aspekty Obsah: 2. Monitoring a evaluace 3. Hodnocení implementace 4. Hodnocení principů Programu
VíceEvaluace a její výzvy v projektu: Města a inkluzivní strategie (MIS)
Evaluace a její výzvy v projektu: Města a inkluzivní strategie (MIS) PhDr. Marie Jelínková PhD. Operační program Zaměstnanost Prioritní osa 3 Sociální inovace a mezinárodní spolupráce Výzva 124 Podpora
VíceGEN104 Koncipování empirického výzkumu
GEN104 Koncipování empirického výzkumu Hypotézy Proměnné Konceptualizace Operacionalizace Měření Indikátory Využity podklady Mgr. K. Nedbálkové, Ph.D. etapy výzkumu I Formulace problému (čtu, co se ví,
VíceEvaluace Evropského sociálního fondu v období 2014-2020: výzvy pro českou evaluační komunitu. Vladimír Kváča MPSV
Evaluace Evropského sociálního fondu v období 2014-2020: výzvy pro českou evaluační komunitu Vladimír Kváča MPSV Obsah presentace Legislativní rámec Evropské unie Současná evaluační praxe v ČR Výzvy pro
VíceHedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D.
Hedonický cenový index na datech poskytovatelů hypotečních úvěrů Ing. Mgr. Martin Lux, Ph.D. Proč nový index? V ČR existuje již několik cenových indexů například index ČSÚ (na transakčních i nabídkových
VíceStatistika. Základní pojmy a cíle statistiky. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Základní pojmy a cíle statistiky Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Statistika Pojmy a cíle
VíceRozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně
Testování hypotéz Nechť,, je náhodný výběr z nějakého rozdělení s neznámými parametry. Máme dvě navzájem si odporující hypotézy o parametrech daného rozdělení: Nulová hypotéza parametry (případně jediný
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceBibliometric probes into the world of scientific publishing: Economics first
Bibliometric probes into the world of scientific publishing: Economics first Daniel Münich VŠE, Nov 7, 2017 Publication space Field coverage of WoS Source: Henk F. Moed, Citation Analysis in Research Evaluation,
VíceKA 3 Návrh metodiky pro provádění kontrafaktuálních analýz s pilotním ověřením
KA 3 Návrh metodiky pro provádění kontrafaktuálních analýz s pilotním ověřením Strana 1/72 Autoři dokumentu: Petr Horák a další Technologická agentura ČR, 2016 ISBN 978-80-88169-10-9 Strana 2/72 Obsah
VíceInženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.
Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je
VíceDiskrétní matematika. DiM /01, zimní semestr 2016/2017
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
VíceSTATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti
ZÁKLADNÍ STATISTICKÉ POJMY HROMADNÝ JEV Statistika pracuje s tzv. HROMADNÝMI JEVY cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů: velkého počtu jedinců
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Testy hypotéz na základě více než 2 výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testy hypotéz na základě více než 2 výběrů Na analýzu rozptylu lze pohlížet v podstatě
VíceEvaluace projektu Sociálně vyloučené lokality Ústeckého kraje Evaluační zpráva
Evaluace projektu Sociálně vyloučené lokality Ústeckého kraje Evaluační zpráva Příloha Metodiky pro evaluaci dopadů nesoutěžních projektů OP Zaměstnanost 2014 2020 OBSAH MANAŽERSKÉ SHRNUTÍ... 3 1 CÍL A
VíceEvaluační plán programu. INTERREG V-A Rakousko Česká republika
Evaluační plán programu INTERREG V-A Rakousko Česká republika Verze 1.0 schválená Monitorovacím výborem dne 27.06.2016 Obsah 1. Úvod... 2 2. Obecné principy pro provádění evaluací... 3 2.1 Legislativní
VíceVyužití zakotvené teorie pro výzkum volby školy na úrovni primárního vzdělávání
Využití zakotvené teorie pro výzkum volby školy na úrovni primárního vzdělávání Jaroslava Simonová Ústav výzkumu a rozvoje vzdělávání Pedagogická fakulta UK Praha výzkumný projekt Přechod mezi preprimárním
VíceProces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Vztahy mezi proměnnými.
Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Projekt. Jednotky analýzy. Proměnné. Vztahy mezi proměnnými. Téma č. 2 Cíle marketingového
VíceVyužití přírodovědného pokusu na 1. stupni ZŠ z pohledu učitelů z praxe výzkumná sonda. Ondřej Šimik
Využití přírodovědného pokusu na 1. stupni ZŠ z pohledu učitelů z praxe výzkumná sonda Ondřej Šimik Kontext přírodovědného vzdělávání na 1. stupni ZŠ Transformace české školy - RVP ZV Člověk a jeho svět
VíceRegionální seminář veřejná diskuse k doporučením OECD v oblasti monitoringu a evaluace: ASPEKTY NA ÚROVNI HODNOCENÍ ŠKOLY
Příloha č. 6 Regionální seminář veřejná diskuse k doporučením OECD v oblasti monitoringu a evaluace: ASPEKTY NA ÚROVNI HODNOCENÍ ŠKOLY Michaela Šojdrová michaela.sojdrova@csicr.cz Analýza silných a slabých
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
Více8 Coxův model proporcionálních rizik I
8 Coxův model proporcionálních rizik I Předpokládané výstupy z výuky: 1. Student umí formulovat Coxův model proporcionálních rizik 2. Student rozumí významu regresních koeficientů modelu 3. Student zná
VíceProblematika důkazů v hodnocení programů a politik
Problematika důkazů v hodnocení programů a politik RNDr. Jan Vozáb, PhD Způsoby a metodologie měření Indikátory CO měříme Odpovídají indikátory příslušným cílům? Měří indikátor to, čeho chceme intervencí
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 7 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
Víceexperiment vs. korelační studie
Experiment I experiment vs. korelační studie experiment vs. korelační studie experiment nejsilnější nástroj pro identifikaci příčinných vztahů manipulace nezávislými proměnnými experiment vs. korelační
VíceRandomizovaný experiment ukončování bytové nouze rodin v Brně. Eliška Černá, Inka Píbilová, Štěpán Ripka
Randomizovaný experiment ukončování bytové nouze rodin v Brně Eliška Černá, Inka Píbilová, Štěpán Ripka Struktura prezentace Bytová nouze rodin: problém, vize, řešení Projekt Rapid Re-Housing Design evaluace
VíceMetodická instrukce. Možnosti využití inspekčních nástrojů ke gramotnostem v práci školy
Praha, říjen 2015 Obsah 1 Cíl a určení dokumentu... 3 2 Inspekční nástroje ke gramotnostem... 3 3 ke sledování podpory gramotností... 3 4 Obecný postup pro sledování podpory rozvoje gramotností... 4 5
VíceEKONOMETRIE 7. přednáška Fáze ekonometrické analýzy
EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých
Více1. Statistická analýza dat Jak vznikají informace Rozložení dat
1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení
VíceMinisterstvo pro místní rozvoj
Ministerstvo pro místní rozvoj VÝZKUMNÝ PROGRAM MINISTERSTVA PRO MÍSTNÍ ROZVOJ NA LÉTA 200 2011 Název: VÝZKUM PRO ŘEŠENÍ REGIONÁLNÍCH DISPARIT ZADÁVACÍ DOKUMENTACE PRO VEŘEJNOU SOUTĚŽ VE VÝZKUMU A VÝVOJI
VíceFyzikální veličiny. - Obecně - Fyzikální veličiny - Zápis fyzikální veličiny - Rozměr fyzikální veličiny. Obecně
Fyzikální veličiny - Obecně - Fyzikální veličiny - Zápis fyzikální veličiny - Rozměr fyzikální veličiny Obecně Fyzika zkoumá objektivní realitu - hmotu - z určité stránky. Zabývá se její látkovou formou
VíceIng. Alena Šafrová Drášilová, Ph.D.
Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách
VíceKritérium. Vazba na cíle výzvy (oblasti podpory OP LZZ) A3 Zhodnocení cílů projektu 40 % 8 % C1 Kompetence žadatele 60 % 6 %
Vzdělávac vací projekty financované ESF aneb jak to vidí hodnotitel Věcné hodnocení - úkol pro hodnotitele Základní zásady o Žádosti často obsahují obecné formulace, které je možné interpretovat různě
VíceNejvhodnější rozhodovací styl v daném kontextu
FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ Nejvhodnější rozhodovací styl v daném kontextu Individuální projekt SPM1 Vypracoval: Bc. Martin Petruželka Studijní obor: K-IM2 Emailová adresa:
VíceMSA-Analýza systému měření
MSA-Analýza systému měření Josef Bednář Abstrakt: V příspěvku je popsáno provedení analýzy systému měření v technické praxi pro spojitá data. Je zde popsáno provedení R&R studie pomocí analýzy rozptylu
VíceProjektové řízení. Dana Diváková
Projektové řízení Dana Diváková Projektové řízení Jak úspěšně realizovat projekt? Jak se vyvarovat nejčastější chyb? Rizika v řízení projektu Jak zajistit úspěch projektu? Klást si správné otázky Jakých
VíceSociologický výzkum (stručný úvod) Michal Peliš
Sociologický výzkum (stručný úvod) Michal Peliš vědy exaktní X sociální tvrzení deterministického charakteru univerzální platnost experiment prokazování kauzality tvrzení pravděpodobnostního charakteru
VíceObsah přednášky Jaká asi bude chyba modelu na nových datech?
Obsah přednášky Jaká asi bude chyba modelu na nových datech? Chyba modelu Bootstrap Cross Validation Vapnik-Chervonenkisova dimenze 2 Chyba skutečná a trénovací Máme 30 záznamů, rozhodli jsme se na jejich
VíceZahrnutí alelického dropoutu
Sémantická interoperabilita v biomedicíně a zdravotnictví Mgr. Dalibor Slovák Oddělení medicínské informatiky a biostatistiky, ÚI AV ČR školitelka: Prof. RNDr. Jana Zvárová, DrSc. Ústav hygieny a epidemiologie,
VícePilotní counterfactual impact evaluation OP LZZ, oblast podpory 1.1
Pilotní counterfactual impact evaluation OP LZZ, oblast podpory 1.1 Vstupní zpráva Verze 2.0 z 5. 9. 2011 PODPORUJEME VAŠI BUDOUCNOST www.esfcr.cz Zadavatel: Ministerstvo práce a sociálních věcí Na Poříčním
VíceRole Evaluační jednotky Národního orgánu pro koordinaci v programovém období 2014-2020
Role Evaluační jednotky Národního orgánu pro koordinaci v programovém období 2014-2020 MINISTERSTVO PRO MÍSTNÍ ROZVOJ ČR NÁRODNÍ ORGÁN PRO KOORDINACI Kateřina Gregorová Evaluace ve světle nových příležitostí,
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
Více- funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte. V obou případech vyzkoušejte Taylorovy řady
Vzorové řešení domácího úkolu na 6. 1. 1. Integrály 1 1 x2 dx, ex2 dx spočítejte přibližně následují metodou - funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte.
VíceModely přidané hodnoty škol
Modely přidané hodnoty škol Adéla Drabinová, Patrícia Martinková 25.1.2018, Robust Katedra pravděpodobnosti a matematické statistiky, Matematicko-fyzikální fakulta, Univerzita Karlova Oddělení statistického
VíceTestování hypotéz a měření asociace mezi proměnnými
Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,
VíceUni- and multi-dimensional parametric tests for comparison of sample results
Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita
Víceale taky protivný nepřítel
ale taky protivný nepřítel Co chceme? Chceme být zdraví a silní. Chceme být vzdělaní a moudří Chceme být úspěšní a bohatí. Co k tomu potřebujeme? Komplexní výuku Schopné učitele Dostatek žáků Vhodnou koncepci
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceSTATISTIKA jako vědní obor
STATISTIKA jako vědní obor Cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů. Statistika se zabývá popisem hromadných jevů - deskriptivní, popisná statistika
Více10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
VíceREGIONÁLNÍ KONCENTRACE AKTIVIT PODNIKŮ. Příklad využití individuálních dat ve spojení s autokorelační statistikou
REGIONÁLNÍ KONCENTRACE AKTIVIT PODNIKŮ Příklad využití individuálních dat ve spojení s autokorelační statistikou Kristýna Meislová [meislova@tc.cz] 14. dubna 2016 Co bude následovat I. Proč zkoumat prostorovou
Více(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VícePříloha č. 1 Fáze projektového cyklu Programování Programování by mělo podle Manuálu projektového cyklu zahraniční rozvojové spolupráce České
Příloha č. 1 Fáze projektového cyklu Programování Programování by mělo podle Manuálu projektového cyklu zahraniční rozvojové spolupráce České republiky (2006, s. 8 9) zahrnovat analýzu sociální, politické
VíceIntervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr
StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule
VíceJana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích
Jana Vránová, 3.lékařská fakulta UK, Praha Hypotézy o populacích Příklad IQ test: Předpokládejme, že z nějakého důvodu ministerstvo školství věří, že studenti absolventi středních škol v Hradci Králové
VíceDiskrétní matematika. DiM /01, zimní semestr 2018/2019
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
VíceSpokojenost se životem
SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO
VíceCitation Statistics. zpráva společné komise. Int. Mathematical Union. Int. Council of Industrial and Applied Mathematics. Institute of Statistics
Citation Statistics zpráva společné komise Int. Mathematical Union Int. Council of Industrial and Applied Mathematics Institute of Statistics Citace ze zadání: The drive towards more transparency and accountability
Více