Termiņš ārstēšana efektsdefinē kā vidējo cēloņsakarību a mainīgs par iznākuma mainīgo, kam ir zinātniska vai ekonomiska interese. Termins pirmo reizi ieguva vilci medicīnisko pētījumu jomā, kur tas radies. Kopš tā pirmsākumiem šis termins ir paplašinājies un ir sācis lietot vispārīgāk kā ekonomikas pētījumos.
Ārstēšanas ietekme ekonomiskajā izpētē
Varbūt viens no slavenākajiem ārstniecības efektu izpētes piemēriem ekonomikā ir apmācības programma vai padziļināta izglītība. Zemākajā līmenī ekonomisti ir bijuši ieinteresēti salīdzināt divu primāro grupu ienākumus vai algas: vienu, kurš piedalījās apmācības programmā, un otru, kurš ne. Ārstēšanas efektu empīriskais pētījums parasti sākas ar šāda veida tiešiem salīdzinājumiem. Bet praksē šādiem salīdzinājumiem ir liels potenciāls novest pētniekus pie maldinošiem secinājumiem par cēloņsakarību, kas mūs noved pie galvenās problēmas ārstēšanas efektu izpētē.
Klasiskās ārstēšanas efektu problēmas un izvēles neobjektivitāte
Zinātnisko eksperimentu valodā ārstēšana ir kaut kas darīts ar cilvēku, kam varētu būt ietekme. Tā kā nav nejaušinātu, kontrolētu eksperimentu, tiek uztverts tādas "ārstēšanas" efekts kā koledžā izglītību vai darba apmācības programmu ienākumu dēļ var aizkavē fakts, ka persona izdarīja izvēli par to, kas ir apstrādāts. Zinātnisko pētījumu aprindās to sauc par neobjektivitāti atlases jomā, un tā ir viena no galvenajām problēmām ārstēšanas ietekmes novērtēšanā.
Atlases neobjektivitātes problēma galvenokārt ir saistīta ar iespēju, ka "ārstēti" indivīdi var atšķirties no "neārstētiem" indivīdiem citu iemeslu dēļ, nevis pati ārstēšana. Kā tādi iznākums šādai ārstēšanai faktiski ir kombinēts rezultāts, kas saistīts ar personas tieksmi izvēlēties ārstēšanu, un pašas ārstēšanas sekas. Ārstēšanas patiesā efekta mērīšana, vienlaikus nosakot atlases neobjektivitātes sekas, ir klasiskā ārstēšanas efektu problēma.
Kā ekonomisti rīkojas ar izvēles neobjektivitāti
Lai izmērītu patieso ārstēšanas efektu, ekonomisti viņiem ir pieejamas noteiktas metodes. Standarta metode ir regresēt iznākumu uz citiem pareģotājiem, kas nemainās atkarībā no laika, kā arī no tā, vai persona veica ārstēšanu vai nē. Izmantojot iepriekš aprakstīto iepriekš aprakstīto “izdevuma apstrādes” piemēru, ekonomists var piemērot regresiju algas ne tikai par iegūto gadu skaitu, bet arī par pārbaužu rezultātiem, kas domāti spēju vai motivācija. Pētniekam var nākties secināt, ka gan izglītības gadu skaits, gan ieskaites punkti ir pozitīvi korelēti ar nākamajām algām, tāpēc, interpretējot atklājumiem koeficients, kas iegūts izglītības gados, ir daļēji attīrīts no faktoriem, kas prognozē, kuru cilvēku būtu izvēlējušies vairāk izglītība.
Balstoties uz regresiju izmantošanu ārstēšanas efektu izpētē, ekonomisti var pievērsties tā dēvētajam potenciālo rezultātu ietvaram, kuru sākotnēji ieviesa statistiķi. Potenciālo rezultātu modeļos būtībā tiek izmantotas tās pašas metodes kā maiņas regresijas modeļiem, bet potenciālo rezultātu modeļi nav piesaistīti lineārai regresijas ietvaram, tāpat kā maiņas regresijas. Mūsdienīgāka metode, kas balstīta uz šīm modelēšanas metodēm, ir Heckman divpakāpju metode.