İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Panel Veri Sentetik Kontrol Yöntemi
Regression modelQuasi-experimental / causal inference

Panel Veri Sentetik Kontrol Yöntemi

Synthetic Control Method for Panel Data · Ayrıca şöyle bilinir: SCM panel, panel synthetic control, synthetic control estimator, comparative case study

Panel veri sentetik kontrol yöntemi, tedavi edilmemiş birimlerin veriye dayalı ağırlıklı bir kombinasyonunu - sentetik bir kontrol - oluşturarak, tek bir tedavi birimi üzerindeki bir müdahalenin nedensel etkisini tahmin eder. Bu sentetik kontrol, tedavi öncesi dönemdeki tedavi biriminin sonuç eğilimini en iyi şekilde yeniden üretir. Tedavi sonrası dönemde, tedavi edilen birim ile sentetik karşılığı arasındaki fark, tahmin edilen tedavi etkisidir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Panel Veri Sentetik Kontrol Yöntemi
Farkların Farkı (Diff-in…Eşleştirme TahmincisiPanel Veri Farkların Far…Panel Veri Sabit Etkiler…Sentetik Kontrol Yöntemi…Bayes Sentetik Kontrol Y…Dinamik Sentetik Kontrol…Heterojen Tedavi Etkisi…Makine Öğrenmesi Destekl…Çok Dönemli Sentetik Kon…

+1 tane daha

Ne zaman kullanılır

Panel veri sentetik kontrol yöntemini şu durumlarda kullanın: (1) tek bir toplu birim (ülke, bölge, firma) tedavi alırken ve birkaç karşılaştırılabilir tedavi edilmemiş birim bağışçı olarak hizmet eder; (2) sentetik eşleşmeyi oluşturmak ve doğrulamak için uzun bir tedavi öncesi dönem paneli mevcuttur; (3) rastgele bir karşılaştırma grubu yerine şeffaf, veriye dayalı bir karşı olguya ihtiyacınız vardır. Çok az sayıda tedavi öncesi dönem olduğunda, iyi bir uyum elde edilemediğinde, tedavi edilen birim bağışçıların herhangi bir dışbükey kombinasyonu ile yaklaştırılamayan bir aykırı değer olduğunda, çok sayıda tedavi edilen birim olduğunda (farkların farkı daha uygundur) veya bağışçı havuzunun desteği dışına bir dışdeğerleme gerektiğinde kullanmayın.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Ön-tedavi uyumu incelenebilen ve raporlanabilen açık, şeffaf bir karşı olgu üretir, bu da nedensel varsayımın görünür şekilde değerlendirilmesini sağlar.
  • Paralel trendler varsayımını gerektirmez; bunun yerine, verilerde doğrulanabilir olan yakın bir ön-tedavi uyumu gerektirir.
  • Tüm panel zaman serisinden yararlanır — uzun ön-tedavi geçmişleri, sentetik eşleşmenin uyumunu ve güvenilirliğini artırır.
  • Permütasyon tabanlı çıkarım, dağılım varsayımlarından kaçınır ve az sayıda birimle bile geçerlidir.
  • Ağırlıklar negatif değildir ve bire eşittir, bu da dışdeğerlemeyi önler ve gerçek birimlerin yorumlanabilir bir dışbükey kombinasyonunu sağlar.
Sınırlılıklar
  • Tek bir tedavi edilen birim için tasarlanmıştır; birden fazla tedavi edilen birime uzantılar, standart Farkların Farkı yöntemine göre daha az basittir.
  • Yeterince uzun bir ön-tedavi paneli gereklidir; kısa ön-tedavi dönemleri, sentetik kontrolün uyumunu ve geçerliliğini zayıflatır.
  • Bağışçı havuzu, tedavi edilen birimi gerçekten yaklaştırabilen birimler içermelidir; tedavi edilen birim bir aykırı değerse, yöntemin geçerli bir karşılaştırması yoktur.
  • Bağışçı havuzu küçük olduğunda (yaklaşık 20 birimden az), plasebo dağılımı kaba olduğundan permütasyon çıkarımının gücü sınırlıdır.
  • Tahminci seçimine ve denge matrisi V'ye duyarlıdır; sonuçlar makul spesifikasyon seçimleri arasında değişebilir.

SSS

Kaç adet ön-tedavi dönemine ihtiyacım var?

Kesin bir minimum sayı yoktur, ancak daha uzun bir ön-tedavi paneli, sentetik eşleşmenin kalitesini ve güvenilirliğini önemli ölçüde artırır. Uygulamada, araştırmacılar genellikle en az 10 ila 20 ön-tedavi dönemi hedeflemektedir; daha az dönem, aşırı uyum ve iyi uyum yanıltıcı görünümü riski taşır.

Standart p-değerleri olmadan çıkarım nasıl yapılır?

Çıkarım permütasyon tabanlıdır. Sentetik kontrol yöntemini her bir bağışçı birimine, tedavi edilen birimmiş gibi tekrarlayarak uygularsınız, bu da plasebo farklarının bir dağılımını üretir. Tedavi edilen birimin farkı kadar büyük veya daha büyük bir tedavi sonrası farka sahip plaseboların oranı, p-değeri analoğu olarak hizmet eder.

Tedavi edilen birimim bağışçı havuzu tarafından iyi bir şekilde yaklaştırılamazsa ne olur?

Kötü ön-tedavi uyumu, bağışçı havuzunun geçerli bir karşı olgu oluşturamadığının bir işaretidir. Mümkünse bağışçı havuzunu genişletmelisiniz veya bu durum için sentetik kontrol yaklaşımının uygun olmadığını kabul etmeli ve farkların farkı gibi alternatif yöntemleri düşünmelisiniz.

Bu yöntemi birden fazla tedavi edilen birimle kullanabilir miyim?

Standart çerçeve tek bir tedavi edilen birim için tasarlanmıştır. Genelleştirilmiş sentetik kontrol (Xu 2017) veya matris tamamlama yöntemi gibi uzantılar birden fazla tedavi edilen birimi ele alır, ancak ek varsayımlar ve tahmin karmaşıklığı getirirler.

Bu, standart farkların farkı yönteminden nasıl farklıdır?

Farkların Farkı, tüm kontrol birimleri üzerindeki ortalamaları eşit (veya regresyon tabanlı) ağırlıklarla alır ve paralel trendler varsayımına dayanır. Sentetik kontrol, tedavi edilen birimin ön-tedavi eğilimini yeniden üretmek için açıkça optimal, veriye dayalı ağırlıklar oluşturur, bu da karşılaştırmayı şeffaf hale getirir ve paralel trendleri gerektirmez.

Kaynaklar

  1. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California's Tobacco Control Program. Journal of the American Statistical Association, 105(490), 493-505. DOI: 10.1198/jasa.2009.ap08746 ↗
  2. Abadie, A. (2021). Using Synthetic Controls: Feasibility, Data Requirements, and Methodological Aspects. Journal of Economic Literature, 59(2), 391-425. DOI: 10.1257/jel.20191450 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Synthetic Control Method for Panel Data. ScholarGate. https://scholargate.app/tr/causal-inference/panel-data-synthetic-control-method

İlişkili yöntemler

Farkların Farkı (Diff-in-Diff)Eşleştirme TahmincisiPanel Veri Farkların Farkı (Panel DiD / TWFE)Panel Veri Sabit Etkiler ModeliSentetik Kontrol Yöntemi (SCM)

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
  • Eşleştirme TahmincisiNedensel çıkarım↔ karşılaştır
  • Panel Veri Farkların Farkı (Panel DiD / TWFE)Nedensel çıkarım↔ karşılaştır
  • Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
  • Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Bayes Sentetik Kontrol YöntemiDinamik Sentetik Kontrol YöntemiHeterojen Tedavi Etkisi Sentetik Kontrol YöntemiMakine Öğrenmesi Destekli Sentetik Kontrol YöntemiÇok Dönemli Sentetik Kontrol YöntemiPanel Veri Nedensel Etki Analizi

Benzer yöntemler

Sentetik Kontrol Yöntemi (SCM)Suni Kontrol Yöntemi (SCM) Politika Değerlendirmesi İçinÇok Dönemli Sentetik Kontrol YöntemiDinamik Sentetik Kontrol YöntemiSentetik Kontrol Yöntemi (SCM)Sağlam Sentetik Kontrol YöntemiMekansal Sentetik Kontrol YöntemiHeterojen Tedavi Etkisi Sentetik Kontrol Yöntemi

İlgili referans kavramlar

Yarı Deneysel ve Doğal Deney TasarımıEconometricsDoğal DeneyKarşıolgusal Akıl YürütmeMatematiksel ve Nicel YöntemlerEkonometrik Modelleme

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Panel Data Synthetic Control Method (Synthetic Control Method for Panel Data). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/panel-data-synthetic-control-method · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Alberto Abadie, Alexis Diamond & Jens Hainmueller
Year
2010
Type
Causal inference / panel data
DataType
Panel data (multiple units, multiple pre- and post-treatment periods)
Subfamily
Quasi-experimental / causal inference
İlişkili yöntemler
Farkların Farkı (Diff-in-Diff)Eşleştirme TahmincisiPanel Veri Farkların Farkı (Panel DiD / TWFE)Panel Veri Sabit Etkiler ModeliSentetik Kontrol Yöntemi (SCM)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil