在醫學研究中，主要的目的，通常在於驗證某種介入措施或治療方法是否有臨床上真正的效果。所以，最常見的實驗設計方式爲一組實驗組以及一組未受實驗效果影響的對照組；再針對兩組分別在兩個時間點，測量出前測值和後測值。在傳統的分析方法上，如果僅使用兩組的後測值來比較，很明顯地，完全忽略了前測可能造成的影響，而導致結論錯誤；另外，如果只單以兩組個別的前後測值來比較，並無法證明有介入措施的實驗組是否效果會優於無介入的對照組。
所以較爲適當的分析方式爲算出實驗組的後測效果減去前測效果(T)，以及對照組的後測效果減去前測效果(C)，再將這兩個值相減(T-C)，來比較介入措施隨時間改變後是否真具有臨床上的效果。這種分析的方式，在計量經濟學上稱之爲差異中差異方法(Difference-in-Difference method, DID)。以一般醫學或流病研究上會用到的長期追蹤資料分析模型爲例：假設Y爲測量值(前測值，後測值)，group代表不同組別(實驗組，對照組)，visit代表前後測不同的時間點(前測時間點，後測時間點)，則模式可以寫成
Y=b0+b1*group+b2*visit+b3*(group x visit),
在上述模式中，組別和時間的交互作用項係數b3即爲DID比較的結果，亦即兩組隨時間變化後，其改變量的比較；也就是說，藉此來驗證介入措施隨時間變化是否有明顯的效果。但此種DID模式的缺點在於未考慮不同的前測值對後測值造成的影響(常見考量此種影響的分析方法爲共變數分析, ANCOVA)，所以，在使用時必須注意到此項限制。
Reference:
Moore, T. (2005). Econometric Approaches to Causal Inference: Difference-in-Difference and Instrumental Variables. Department of Government, Harvard University.
留言列表
