📈 economics

Identification Design

Dit artikel ontwikkelt een model voor identificatieontwerp dat toont hoe het openbaren van rijke covariaten in experimenten manipulatie uitsluit, terwijl observationele studies hierdoor slechts gedeeltelijk kwetsbaar blijven.

Oorspronkelijke auteurs: Maxwell Rosenthal

Gepubliceerd 2026-04-20

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Maxwell Rosenthal

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een rechter bent die een belangrijke beslissing moet nemen: moeten we een nieuw medicijn voorschrijven of niet? Je hebt geen eigen kennis over de ziekte, dus je bent volledig afhankelijk van een onderzoeker die de data verzamelt en aan je doorgeeft.

Dit artikel van Maxwell Rosenthal is als het ware een handleiding voor jou, de rechter, om te begrijpen hoe je die onderzoeker kunt vertrouwen, en hoe je kunt zien of je misschien wordt manipuleerd.

Hier is de kern van het verhaal, vertaald naar alledaags taal:

1. Het Spel: De Rechter en de Onderzoeker

In de echte wereld (bijvoorbeeld in de geneeskunde) kijken onderzoekers naar data: wie kreeg het medicijn ( $T$ ), wat was hun gezondheid ( $Y$ ), en wat waren hun kenmerken ( $X$ , zoals leeftijd of geslacht)?

De onderzoeker zegt: "Kijk, hier is de data." Maar hij kan kiezen welke data hij laat zien. Hij kan bijvoorbeeld alleen zeggen: "50% van de mensen die het medicijn kregen, werd beter." Maar hij verzwijgt misschien dat de mensen die het medicijn kregen, al veel gezonder waren dan de anderen.

Jij, de rechter, bent niet dom. Je weet dat de onderzoeker een eigen agenda kan hebben. Daarom doe je het volgende:

Je kijkt niet naar één specifiek verhaal, maar naar alle mogelijke werelden die passen bij de data die je hebt gekregen.
Je kiest het beleid dat in de slechtst denkbare wereld (die nog steeds past bij de data) het beste resultaat geeft. Dit noemen we "worst-case scenario".

2. Het Grote Geheim: Kan de Onderzoeker Alles Manipuleren?

De auteur stelt een grappige, maar diepe vraag: Is het mogelijk dat de onderzoeker de data zo inricht dat jij, de rechter, precies doet wat hij wil, ongeacht wat de waarheid is?

Het antwoord is verrassend: Ja, bijna altijd.

Stel je voor dat je twee opties hebt: Medicijn A of Medicijn B.

Als de onderzoeker je niets vertelt (alleen een lege doos), dan is het voor jou onmogelijk om te weten wat beter is. In dat geval maakt het voor jou niet uit wat je kiest; je bent even veilig (of onveilig) met beide.
De auteur bewijst dat in bijna elk medisch onderzoek, de onderzoeker een manier kan vinden om de data zo te presenteren dat jij denkt: "Oh, Medicijn A is de veiligste keuze in het slechtste geval," terwijl in werkelijkheid Medicijn B misschien veel beter was.

Dit noemt hij manipuleerbaar. Het betekent dat de onderzoeker, door slim te kiezen wat hij laat zien, jou altijd kan laten kiezen wat hij wil, zelfs als hij de waarheid vertelt over de cijfers die hij laat zien.

3. De Oplossing: Wat moet je wel laten zien?

Als de onderzoeker alles kan manipuleren, is er dan hoop? Ja! De auteur geeft een heel specifiek advies over wat je moet eisen om manipulatie onmogelijk te maken.

Stel je voor dat de data een puzzel is.

Als de onderzoeker je alleen de randen van de puzzel laat zien (alleen de totale aantallen), kun je de rest zelf invullen zoals je wilt. Dan kan hij de puzzel zo leggen dat jouw favoriete stukje eruit springt.
Maar als hij je alle stukjes laat zien die nodig zijn om te begrijpen wie wat kreeg en waarom, dan is er geen ruimte meer voor trucs.

De auteur zegt: Om manipulatie te stoppen, moet de onderzoeker de gezamenlijke verdeling laten zien van:

Het resultaat (was de patiënt beter?).
De behandeling (kreeg hij het medicijn?).
En heel belangrijk: De kenmerken (covariaten) zoals leeftijd, geslacht, etc.

De Gouden Regel:
Als de onderzoeker laat zien dat hij de behandeling willekeurig heeft verdeeld over alle groepen (bijvoorbeeld: zowel jongeren als ouderen kregen het medicijn met dezelfde kans), dan kun je niet meer manipuleren. Je ziet precies wie wat kreeg.

Experimenten (zoals loterijen): Als je weet dat de toewijzing willekeurig was en je ziet de data per groep, dan is manipulatie onmogelijk. De waarheid is onverbiddelijk.
Observatiestudies (zonder loterij): Hier is het lastiger. Als de onderzoeker mag kiezen welke kenmerken hij laat zien (bijvoorbeeld: "Ik laat alleen leeftijd zien, maar niet het inkomen"), dan kan hij nog steeds trucs uithalen. Hij kan de "inkomen"-groep verbergen waar de behandeling slecht werkte.

4. De Metafoor: De Chef-kok en de Menukaart

Laten we het vergelijken met een chef-kok (de onderzoeker) en een klant (jij, de rechter).

Situatie A (Manipulatie): De chef zegt: "Mijn pasta is heerlijk." Hij laat je alleen de foto van de pasta zien. Je weet niet of hij er verse groenten in heeft gedaan of alleen pasta. Omdat je niet weet wat erin zit, kies je misschien de pasta, terwijl de salade (een ander gerecht) eigenlijk gezonder was. De chef heeft de data (de foto) zo gekozen dat jij voor pasta kiest.
Situatie B (Geen manipulatie): De chef is verplicht om je de complete ingrediëntenlijst te geven, inclusief de exacte hoeveelheid van elk ingrediënt per persoon die at. Nu zie je dat de pasta vol suiker zit en de salade perfect is. De chef kan niet meer liegen of verbergen. Hij kan je niet meer dwingen om pasta te kiezen.

Conclusie in Eenvoudige Woorden

Dit artikel leert ons dat:

Data alleen is niet genoeg. Als onderzoekers mogen kiezen welke cijfers ze laten zien, kunnen ze bijna altijd de lezer (de beleidsmaker) in de juiste richting duwen, zelfs als ze de waarheid vertellen over die specifieke cijfers.
Volledigheid is kracht. Om manipulatie te voorkomen, moeten we eisen dat onderzoekers niet alleen het eindresultaat laten zien, maar ook precies laten zien wie wat heeft gekregen en welke kenmerken die mensen hadden.
Experimenten zijn veiliger. Als je weet dat de behandeling willekeurig is verdeeld (zoals een loterij), dan is het heel moeilijk om te manipuleren. Bij "gewone" studies (waar mensen zelf kiezen of ze behandeld worden) is het veel makkelijker om de data te "schoonmaken" door bepaalde kenmerken weg te laten.

Kortom: Wees sceptisch als iemand je alleen de "topcijfers" laat zien. Vraag altijd: "En wie zat er precies in die groep, en wat heb je verzwegen?" Zolang je die vraag niet kunt beantwoorden, kun je gemanipuleerd worden.

Titel: Identification Design

Auteur: Maxwell Rosenthal (Georgia Institute of Technology)
Datum: 20 april 2026

1. Probleemstelling

Het artikel adresseert een fundamenteel probleem in de econometrie en strategische communicatie: hoe moet een objectieve besluitnemer (de "ontvanger") reageren op data die door een strategische onderzoeker (de "zender") wordt onthuld?

In de traditionele frequentistische analyse worden onderzoeksresultaten vaak geaccepteerd zonder dat de strategische incentives van de onderzoeker worden gemodelleerd. Onderzoekers kunnen echter worden verleid tot selectieve rapportage (bijvoorbeeld door covariaten te kiezen die een gewenst resultaat ondersteunen), zelfs als de onthulde data accuraat is.

Het centrale vraagstuk is: Hoe kan een besluitnemer causale effecten (zoals behandelingseffecten) betrouwbaar afleiden wanneer de informatiestructuur (welke data wordt onthuld) een keuzevariabele is voor een strategische actor? De auteur ontwikkelt een model van "identificatieontwerp" waarbij de besluitnemer geen exogene prior heeft, maar reageert op de volledige populatieverdeling van signalen en acties rangschikt op basis van hun worst-case (minimax) opbrengst over de set van plausibele staatsverdelingen die consistent zijn met de waargenomen signalen.

2. Methodologie en Model

Het model is gebaseerd op een non-Bayesiaanse raamwerk voor besluitvorming onder onzekerheid:

Omgeving: Een verzameling staten $\Omega$ , acties $A$ , en een set van toelaatbare staatsverdelingen $\mathcal{P}$ . De ware verdeling is $\mu$ .
Informatiestructuur: De onderzoeker kiest een structuur $(\Sigma, E)$ die signalen genereert. De besluitnemer observeert de verdeling van deze signalen $E_\mu$ .
Identificatie: De besluitnemer vormt een "geïdentificeerde set" $\mathcal{P}_\mu(\Sigma, E)$ , bestaande uit alle verdelingen $\nu \in \mathcal{P}$ die dezelfde signaalverdeling genereren als de ware verdeling $\mu$ (d.w.z. $E_\nu = E_\mu$ ).
Besluitvorming: De besluitnemer kiest een actie $\alpha$ om de worst-case opbrengst te maximaliseren:
$\max_{\alpha} \inf_{\nu \in \mathcal{P}_\mu(\Sigma, E)} U(\alpha, \nu)$
Implementatie: Een informatiestructuur "implementeert" een actie $\alpha$ als $\alpha$ de oplossing is van dit probleem.
Manipuleerbaarheid: Een omgeving is manipuleerbaar als voor elke actie $\alpha$ en elke ware verdeling $\mu$ , er een informatiestructuur bestaat die $\alpha$ implementeert.

3. Belangrijkste Resultaten en Bijdragen

A. Karakterisering van Manipuleerbaarheid

De auteur bewijst een fundamentele stelling (Theorem 1):

Een omgeving is manipuleerbaar dan en slechts dan als de worst-case opbrengst voor elke mogelijke actie gelijk is over de set van toelaatbare priors.
Als de worst-case opbrengsten verschillen, kan een actie die een hogere worst-case opbrengst heeft nooit worden "gedwongen" door een slecht informatiestelsel ten gunste van een actie met een lagere worst-case opbrengst.

B. Toepassing op Causale Inferentie (Treatment Effects)

Het model wordt toegepast op standaard modellen voor behandelingseffecten (met uitkomsten $Y$ , behandeling $T$ , en covariaten $X$ ).

Resultaat: Alle behandelingseffectmodellen zijn manipuleerbaar.
Sterke Manipuleerbaarheid: Het is mogelijk om elke gewenste behandeling te implementeren via informatiestructuren die:
1. Bijna volledig informatief zijn (ze onthullen $n-1$ lineair onafhankelijke statistieken in een model met $n$ staten).
2. Robuust zijn tegen tie-breaking procedures.
3. De opbrengst van de geïmplementeerde actie exact identificeren, waardoor manipulatie ex post niet zichtbaar is.
Dit betekent dat een onderzoeker, zelfs met bijna volledige data, een specifieke behandeling kan "forceren" als de besluitnemer alleen op worst-case criteria reageert.

C. Marginal Informatiestructuren en Partial Identification

In de praktijk onthullen onderzoekers vaak alleen de marginale verdeling van $(Y, T, Z)$ , waarbij $Z$ een selectie van covariaten is.

Identificatie: Een marginale structuur identificeert het model (en elimineert manipulatie) dan en slechts dan als de toegewezen behandeling $T$ meetbaar is ten opzichte van de onthulde covariaten $Z$ . Dit betekent dat de onthulde covariaten voldoende rijk moeten zijn om de toewijzingskansen volledig te specificeren.
Observational Studies: In observationele studies (waar de toewijzingsmechanisme onbekend is) blijft manipulatie mogelijk via de selectie van covariaten. Als covariaten worden weggelaten, kan de onderzoeker de worst-case opbrengsten manipuleren.
Bounds: De auteur levert scherpe onder- en bovengrenzen ( $L(a)$ en $H(a)$ ) voor de opbrengst van behandelingen in gevallen met onvolledige covariaten. Deze grenzen worden nauwer naarmate meer covariaten worden onthuld.

D. Niet-manipuleerbare Omgevingen

Voor omgevingen die niet manipuleerbaar zijn (waar de worst-case opbrengsten verschillen), karakteriseert de auteur de set van implementeerbare acties.

Een actie $\alpha$ $α$ is implementeerbaar onder ware verdeling $\mu$ $μ$ dan en slechts dan als er een toelaatbare prior $\nu$ $ν$ bestaat zodanig dat:
1. $\alpha$ optimaal is onder $\nu$ (met volledige informatie).
2. De opbrengst van $\alpha$ onder $\nu$ niet hoger is dan onder $\mu$ .
Dit vereist dat de omgeving voldoet aan reguliere criteria (convexiteit, quasiconvexiteit) en dat er sprake is van "payoff-irrelevante" signalen of staten.

4. Significance en Implicaties

Voor de Econometrie: Het artikel biedt een theoretisch fundament voor het begrijpen van de kwetsbaarheid van causale inferentie voor strategische manipulatie. Het toont aan dat zelfs "almost fully informative" data niet voldoende is om manipulatie te voorkomen als de besluitnemer zich richt op worst-case scenario's.
Voor Beleid en Registratie: De resultaten ondersteunen bestaande richtlijnen voor pre-registratie van experimenten (zoals ClinicalTrials.gov).
- Voor experimenten (waar de toewijzing bekend is): Het onthullen van de gezamenlijke verdeling van uitkomst, behandeling en alle relevante covariaten elimineert manipulatie.
- Voor observationele studies: Er blijft een risico op manipulatie via covariaten-selectie. De auteur adviseert dat onderzoekers een vooraf vastgestelde set covariaten moeten gebruiken; zodra deze set vaststaat, is er geen ruimte voor intentionele manipulatie, en neemt de onzekerheid af naarmate de set rijker wordt.
Theoretische Bijdrage: Het artikel integreert de literatuur over Bayesiaanse persuasie, strategische communicatie onder ambiguïteit en partial identification in de econometrie. Het introduceert een nieuwe orde van informatie die gebaseerd is op de verdeling van signalen in plaats van individuele realisaties, specifiek voor besluitnemers zonder prior.

Conclusie

Rosenthal concludeert dat in een wereld waar onderzoekers strategisch handelen en besluitnemers robuust (worst-case) denken, de enige veilige weg naar exacte identificatie ligt in het onthullen van een rijke set covariaten die de toewijzingsmechanisme volledig specificeren. Zonder deze volledige transparantie blijven observationele studies vatbaar voor manipulatie, zelfs als de onthulde data statistisch correct is. Het paper biedt een wiskundig onderbouwde basis voor het ontwerpen van disclosure-regels die manipulatie minimaliseren.