Šajā emuāra ierakstā mēs izpētām atšķirības atšķirībās metodes uzticamību un ierobežojumus, ko plaši izmanto, lai novērtētu politikas ietekmi situācijās, kad eksperimentus ir grūti veikt.
Ekonomikā ir daudz gadījumu, kad politikas ietekme ir jānovērtē, lai veicinātu uz pierādījumiem balstītas politikas diskusijas. Šis process ir ļoti svarīgs sociālo un ekonomisko problēmu risināšanai un politikas pamatotības pierādīšanai. Jo īpaši ir svarīgi skaidri noteikt, vai ekonomiskās politikas vai sociālās programmas ieviešana faktiski ir devusi pozitīvu ietekmi vai izraisījusi neparedzētas blakusparādības. Politikas ietekmes novērtēšana ietver rezultātu salīdzināšanu pēc politikas ieviešanas ar rezultātiem, kas būtu radušies, ja politika nebūtu ieviesta. Šis salīdzinājums kalpo kā būtiska informācija politikas veidotājiem, informējot par turpmāko politikas izstrādi un galu galā veicinot vispārējās sociālās labklājības uzlabošanu.
Tomēr, tā kā hipotētiskus rezultātus nevar novērot, notikuma ietekmi novērtē, salīdzinot ārstēšanas grupas rezultātus, kas sastāv no izlasēm, kuras piedzīvoja notikumu, ar kontroles grupas rezultātiem, kas sastāv no izlasēm, kuras nepieredzēja notikumu. Kontroles un ārstēšanas grupu sastāvs ir kritisks faktors, kas nosaka novērtējuma precizitāti. Ja abas grupas atšķiras pēc citiem faktoriem, ne tikai paša notikuma, šīs atšķirības var izkropļot novērtējuma rezultātus. Tāpēc šī procesa atslēga ir izveidot divas grupas, kurām nav cita iemesla rezultātu atšķirībai, izņemot pašu notikumu. Piemēram, novērtējot notikuma ietekmi uz algām, grupas jāveido tā, lai notikuma neesamības gadījumā ārstēšanas grupas un salīdzinājuma grupas vidējā alga obligāti būtu vienāda. Lai to panāktu, ideāls ir eksperimentāls dizains, kurā paraugi tiek nejauši sadalīti abās grupās. Tomēr šī metode bieži vien nav piemērojama, strādājot ar cilvēkiem vai sociāliem jautājumiem.
Šo grūtību dēļ situācijās, kad eksperimentālas metodes nevar izmantot, bieži tiek izmantotas kvazieksperimentālas metodes. Starp šīm kvazieksperimentālajām metodēm plaši tiek izmantota atšķirība starp atšķirībām (DID). Atšķirību starp atšķirībām (DID) metode novērtē notikuma ietekmi, no izmaiņām, kas novērotas ārstēšanas grupā, atņemot salīdzināšanas grupā novērotās izmaiņas. Šis novērtējums ir balstīts uz paralēlu tendenču pieņēmumu, kas postulē, ka pat bez notikuma ārstēšanas grupā būtu notikušas tādas pašas lieluma izmaiņas kā salīdzināšanas grupā. Ja šis pieņēmums ir spēkā, nav nepieciešams nodrošināt, ka abu grupu apstākļi pirms notikuma vidēji ir vienādi.
"Diferences-diferencēs" metodes lietderība ir atzīta ne tikai ekonomikā, bet arī dažādos sociālo zinātņu pētījumos. Aplūkojot tās vēsturisko izcelsmi, ir zināms, ka Džons Snovs pirmo reizi šo metodi izmantoja 1854. gadā. Viņš koncentrējās uz iedzīvotājiem vienā un tajā pašā Londonas rajonā, kuri saņēma ūdeni no diviem dažādiem ūdensapgādes uzņēmumiem. No diviem uzņēmumiem, kas izmantoja vienu un to pašu ūdens avotu, tikai viens mainīja savu avotu, tomēr iedzīvotāji nezināja, kurš uzņēmums piegādāja viņiem ūdeni. "Džons Snovs" salīdzināja holēras mirstības rādītāju izmaiņas pirms un pēc ūdens avota maiņas starp iedzīvotājiem, kuru avots bija mainījies, un tiem, kuru avots nebija mainījies, un secināja, ka holēra tika pārnesta caur ūdeni, nevis gaisu. Tas parāda, ka "diferences-diferencēs" metode var kalpot kā spēcīgs instruments ne tikai ekonomiskajā analīzē, bet arī citās jomās, piemēram, sabiedrības veselībā. Ekonomikā šī metode pirmo reizi tika izmantota 20. gadsimta 10. gados, lai novērtētu minimālās algas likumu ieviešanas ietekmi.
Tomēr, izmantojot atšķirību-diferenču metodi, ir svarīgi pārbaudīt, vai ir izpildīts pamatā esošais pieņēmums par paralēlām tendencēm. Ja paralēlo tendenču pieņēmums netiek izpildīts, atšķirību-diferenču metodes piemērošana novedīs pie nepareiza ārstēšanas efekta novērtējuma. Piemēram, novērtējot darbinieku apmācības programmas nodarbinātības palielināšanas ietekmi, paralēlo tendenču pieņēmums nebūs spēkā, ja to darbinieku īpatsvars nozarēs, kurās strauji samazinās darbavietas, ārstēšanas grupā ir lielāks nekā kontroles grupā. Tomēr vienkārši intervences grupas no pirmsnotikuma perioda noteikšana par salīdzināšanas grupu, lai palielinātu izlašu statistisko līdzību starp grupām, negarantē, ka paralēlo tendenču pieņēmums ir izpildīts. Tas ir tāpēc, ka attiecībā uz izmaiņām, kas ir jutīgas pret ekonomiskām svārstībām, piemēram, nodarbinātību, izmaiņu vienlaicīgums var būt svarīgāks šī pieņēmuma izpildei nekā izlašu statistiskā līdzība starp grupām.
Lai "diference-in-disferences" metodes pielietojums būtu ticamāks, pētniekiem ir svarīgi izveidot vairākas salīdzināšanas grupas un pārbaudīt, vai, piemērojot metodi katrai grupai, iegūtie novērtēšanas rezultāti ir konsekventi. Šīs metodes var uzlabot novērtējumu ticamību, izmantojot "diference-in-disferences" metodi. Turklāt salīdzināšanas grupu veidošana, kurām ir augsta statistiskā līdzība ar ārstēšanas grupu pēc dažādām īpašībām, var samazināt paralēlo tendenču pieņēmuma pārkāpuma iespējamību. Šo metožu nozīme ir īpaši izcelta sociālo zinātņu pētījumos, kur eksperimentālās metodes ir grūti pielietot.
"Diferences atšķirībās" metode ir spēcīgs analītiskais rīks, ko var izmantot dažādās jomās, tostarp politikas ietekmes novērtēšanā, korporatīvās vadības stratēģijas novērtēšanā un izglītības programmu efektivitātes analīzē. Tomēr pirms tās piemērošanas ir svarīgi rūpīgi pārbaudīt paralēlo tendenču pieņēmuma pamatotību un, ja nepieciešams, izmantot to kopā ar citām papildinošām metodēm.
