Сравнительный анализ результатов оценки причинного эффекта использования интенсивной технологии в растениеводстве

  • К.О. Тарасов Алтайский государственный университет Email: kirilltarasov99@gmail.com
  • Е.В. Понькина Алтайский государственный университет Email: ponkinaelena77@mail.ru

Abstract

Задача оценки причинных эффектов представляет собой сравнение состояния объекта с учетом и без учета вмешательства и оценки ожидаемой величины полученных различий целевого признака. В работе рассматривается сравнительный анализ методов оценки причинных эффектов на примере производства продукции растениеводства в Алтайском крае. Оценке подлежит причинный эффект от применения интенсивной технологии, предполагающей внесение удобрений и применение средств защиты растений. Тестировались следующие методы: парное сравнение средних, линейная регрессия и матчинг методы (Propensity Score Matching), позволяющие сбалансировать выборку по основным индикативным признакам. Результаты показали, что согласно всем рассматриваемым методам интенсификация производства, даже в засушливых условиях 2012 года привела в ожидаемому росту продуктивности пшеницы, средний ожидаемый эффект от применения интенсивной технологии варьируется от 3,12 ц/га до 3,71 ц/га. Полученные результаты демонстрируют возможность получения более корректных оценок причинных эффектов на основе сбалансированных выборок, использование простого сравнения средних приводит к недооценке или переоценке получаемого эффекта. Также в статье проанализированы ограничения и особенности применения метода Propensity Score Matching в социально-экономических исследованиях.

References

1. Rubin D.B. Basic Concepts of Statistical Inference for Causal Effects in Experiments and Observational Studies.
2. Yamamoto T. Statistical Models for Causal Analysis.
3. Imbens G.W., Rubin D.B. Rubin Causal Model // The New Palgrave Dictionary of Economics / Под ред. Palgrave Macmillan. - London : Palgrave Macmillan UK, 2008. - С. 1–10.
4. Kalpic D., Hlupic N., Lovri c M. Student's t-Tests // International Encyclopedia of Statisti-cal Science / Ed. by M. Lovric. – Berlin, Heidelberg : Springer Berlin Heidelberg, 2011. – P. 1559-1563.
5. Neuhauser M. Wilcoxon-Mann-Whitney Test / Ed. by M. Lovric. – Berlin, Heidelberg : Springer Berlin Heidelberg, 2011. – P. 1656-1658.
6. Rubin D.B. Randomization Analysis of Experimental Data: The Fisher Randomization Test Comment // Journal of the American Statistical Association. – 1980. – Vol. 75. – Randomization Analysis of Experimental Data, no. 371. – P. 591.
7. Clinical Pharmacy Education, Practice and Research. – 2019.
8. Diamond A., Sekhon J.S. Genetic Matching for Estimating Causal Effects: A General Multivariate Matching Method for Achieving Balance in Observational Studies // Review of Economics and Statistics. – 2013. – Vol. 95. – Genetic Matching for Estimating Causal Effects, no. 3. – P. 932-945.
9. Pettigrew S. The sample size-imbalance frontier.
10. Exact Matching [Электронный ресурс]. - URL: https://r.iq.harvard.edu/docs/ matchit/2,4-15/Exact{_}Matching.html.
11. Imai K. Statistics and Causal Inference.
12. Understanding Q-Q Plots | University of Virginia Library Research Data Services + Sciences [Электронный ресурс]. - URL: https://data.library.virginia.edu/ understanding-q-q-plots/.
13. King G., Nielsen R. Why Propensity Scores Should Not Be Used for Matching // Political Analysis. – 2019. – Vol. 27, no. 4. – P. 435-454.
14. AgroAtlas - Главная [Электронный ресурс]. - URL: http://www.agroatlas.ru/ru/ index.html.
15. Dronin N.M., Bellinger E.G. Climate dependence and food problems in Russia, 1900-1990: the interaction of climate and agricultural policy and their effect on food problems. Climate dependence and food problems in Russia, 1900-1990. – Budapest New York : Central European University Press, 2005. – 366 p.
16. Kogan F., Guo W. Early twenty-first-century droughts during the warmest climate // Geomatics, Natural Hazards and Risk. – 2016. – Vol. 7, no. 1. – P. 127-137.
17. Понькина Е. и др. Экономические, экологические, технологические факторы и результаты деятельности сельскохозяйственных предприятий в условиях Кулундинской степи. - Барнаул : Изд-во Алтайского государственного университета, 2014. - 138 с.
18. Prishchepov A.V. and etc. Revealing the determinants of wheat yields in the Siberian breadbasket of Russia with Bayesian networks // Land Use Policy. – 2019. – Vol. 80. – P. 21-31.
19. Мониторинг цен на пшеницу организаций 01.10.2012: АгроНовости Ассет [Электронный ресурс]. - URL: https://agro-bursa.ru/prices/wheat/01-10-2012/.
Published
2020-12-01
How to Cite
Тарасов К., Понькина Е. Сравнительный анализ результатов оценки причинного эффекта использования интенсивной технологии в растениеводстве // Труды семинара по геометрии и математическому моделированию, 2020, № 6. P. 39-47. URL: http://journal.asu.ru/psgmm/article/view/8846.