Panel Veri Eğilim Puanı Eşleştirmesi
Propensity Score Matching with Panel Data · Ayrıca şöyle bilinir: PSM with panel data, longitudinal PSM, panel PSM, difference-in-differences PSM
Panel veri eğilim puanı eşleştirmesi, PSM'nin yanlılık azaltma özelliğini panel verinin boylamsal yapısıyla birleştirerek, gözlemlenebilir ön-tedavi özelliklerine göre tedavi gören ve kontrol birimlerini eşleştirerek ve ardından zaman içindeki eşleştirilmiş çiftler arasındaki farkları alarak nedensel etki tahminine olanak tanır. Heckman, Ichimura ve Todd (1998) çerçevesinde geliştirilmiş olup, rastgeleleştirmenin uygulanamadığı ve hem gözlemlenenlere göre seçilim hem de zamanla değişen karıştırıcıların eş zamanlı olarak ele alınması gerektiği durumlarda özellikle değerlidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Uzunlamasına gözlemsel verileriniz olduğunda, tedavi rastgele değil ancak seçilim büyük olasılıkla gözlemlenen ön-tedavi özelliklerinden kaynaklandığında ve hem gözlemlenenlere göre seçilimi hem de zaman-sabit birim heterojenliğini kontrol etmek istediğinizde panel veri eğilim puanı eşleştirmesini kullanın. Program değerlendirmesi, iş ekonomisi ve katılımcıların kendi kendine seçildiği ve tekrarlanan ölçümlerin mevcut olduğu sağlık çalışmaları için uygundur. Temel karıştırıcıların gözlemlenmediği ve zaman-sabit olduğu durumlarda (sabit etkiler tek başına tercih edilir), panelin anlamlı ön-tedavi eğilimlerini yakalamak için çok kısa olduğu, tedavi gören ve kontrol eğilim puanları arasındaki kesişimin ihmal edilebilir olduğu veya tedavi mekanizmasının gerçekten rastgele olduğu durumlarda kullanmayın (bir RCT eşleştirmeye ihtiyaç duymaz).
Güçlü yönler & sınırlılıklar
- Eğilim puanı eşleştirmesi yoluyla gözlemlenebilir seçilim yanlılığını ve çift içi fark alma yoluyla zaman-sabit gözlemlenmeyen farklılıkları kontrol eder.
- Ruhunda parametrik olmayan: kovaryatların sonucu nasıl etkilediği konusunda bir fonksiyonel form dayatmaz.
- Tanısal şeffaflık — kovaryat denge tabloları ve kesişim grafikleri, eşleştirmenin başarılı olup olmadığını görmeyi kolaylaştırır.
- ATT tahmini doğrudan politika ile ilgilidir, gerçekte tedavi görenler üzerindeki etkiye odaklanır.
- İki iyi yerleşmiş yarı-deneysel stratejiyi birleştirerek, yaklaşımı her iki yöntemle de aşina olan incelemeciler için güvenilir kılar.
- Güçlü gözlemlenebilirlik varsayımına dayanır: tüm karıştırıcılar gözlemlenmeli ve eğilim puanı modeline dahil edilmelidir; gözlemlenmeyen zamanla değişen karıştırıcılardan kaynaklanan gizli yanlılık giderilemez.
- Yeterli ortak desteğe ihtiyaç duyar — tedavi gören ve kontrol birimleri çok farklı kovaryat dağılımlarına sahipse, az sayıda veya zayıf eşleşme sonucu çıkar.
- Önyüklenmiş standart hatalar büyük paneller için hesaplama açısından yoğun olabilir.
- Eşleşmeyen birimleri atmak örneklem boyutunu azaltır ve dış geçerliliği sınırlayabilir.
- Ön-tedavi dönemi, eşleştirilmiş çiftler içinde güvenilir öncesi-sonrası fark alma işlemini destekleyecek kadar uzun olmalıdır.
SSS
Panel veri PSM, standart çapraz kesitsel PSM'den nasıl farklıdır?
Standart PSM, birimleri kovaryatlara göre eşleştirir ve tek bir zaman noktasında sonuçları karşılaştırır. Panel veri PSM, boylamsal bir adım ekler: eşleştirildikten sonra, tahminci her eşleştirilmiş çift içindeki öncesi-sonrası değişimi kullanır, sıradan PSM'nin dokunamadığı zaman-sabit gözlemlenmeyen farklılıkları ortadan kaldırır.
Panel veri PSM, DiD gibi paralel eğilimler varsayımını gerektirir mi?
Evet. Çift içi fark alma adımı bir DiD tahmincisini taklit ettiğinde, örtük varsayım, eşleştirilmiş tedavi gören ve kontrol birimlerinin tedavi yokluğunda aynı eğilimi izleyeceği yönündedir. Bu nedenle, eşleştirilmiş örneklemde tedavi öncesi eğilim benzerliğinin doğrulanması önemlidir.
Hangi eşleştirme algoritmasını seçmeliyim?
Yedeklemeli en yakın komşu eşleştirmesi ve sıkı bir kalibre (örneğin, log-odds standart sapmasının %0,2'si) yaygın bir varsayılan değerdir. Çekirdek veya yarıçap eşleştirmesi, bazı yanlılık maliyetiyle daha fazla kontrol gözlemi kurtarabilir ve varyansı azaltabilir. Seçim, elde edilen dengeye ve örneklem boyutuna göre yönlendirilmelidir.
Eşleştirmeden sonra denge hala zayıfsa ne yapmalıyım?
Eğilim puanı modelini yeniden belirleyin (etkileşimler, polinomlar veya ek kovaryatlar ekleyin), kalibreyi sıkılaştırın veya doğrudan kovaryat dengesini hedefleyen bir entropi dengeleme veya ters olasılık ağırlıklandırma yaklaşımına geçin, bir skor modeli tahmin etmek yerine.
Kaç adet ön-tedavi dönemine ihtiyacım var?
Çift içi fark alma için en az bir ön-tedavi dönemi gereklidir, ancak iki veya daha fazla ön-tedavi dönemi şiddetle tercih edilir, böylece eşleştirilmiş birimlerin tedavi öncesinde benzer eğilim gösterdiğini doğrulayabilir ve paralel eğilimler varsayımını destekleyebilirsiniz.
Kaynaklar
- Heckman, J. J., Ichimura, H., & Todd, P. (1998). Matching as an Econometric Evaluation Estimator. Review of Economic Studies, 65(2), 261-294. DOI: 10.1111/1467-937X.00044 ↗
- Caliendo, M., & Kopeinig, S. (2008). Some Practical Guidance for the Implementation of Propensity Score Matching. Journal of Economic Surveys, 22(1), 31-72. DOI: 10.1111/j.1467-6419.2007.00527.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Propensity Score Matching with Panel Data. ScholarGate. https://scholargate.app/tr/causal-inference/panel-data-propensity-score-matching
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Entropi DengelemeNedensel çıkarım↔ karşılaştır
- Eşleştirme TahmincisiNedensel çıkarım↔ karşılaştır
- Panel Veri Farkların Farkı (Panel DiD / TWFE)Nedensel çıkarım↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır