Politika Değerlendirmesi için Entropi Dengelemesi
Entropy Balancing for Causal Policy Evaluation · Ayrıca şöyle bilinir: Entropy Balancing, EB Weighting, Maximum-Entropy Reweighting, Hainmueller Balancing
Entropi dengelemesi, kontrol grubu birimlerine, ağırlıklı kovaryat momentlerinin tedavi grubununkilerle tam olarak eşleşmesini sağlayacak ağırlıklar atayan maksimum entropi yeniden ağırlıklandırma yöntemidir. Hainmueller (2012) tarafından tanıtılan bu yöntem, iteratif eğilim-skoru kırpılması olmadan belirtilen momentlerde tam denge sağlar, bu da onu gözlemsel çalışmalarda nedensel politika değerlendirmesi için güçlü bir ön işleme aracı haline getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İkili tedaviye sahip olduğunuz gözlemsel verilerde, eğilim-skoru modeli belirtmeden kovaryat momentlerinde tam denge istediğinizde entropi dengelemesini kullanın. Kovaryat sayısı orta düzeyde olduğunda, tedavi grubunun çok küçük olmadığı ve tedavi edilen ile kontrol birimleri arasındaki örtüşmenin makul olduğu politika değerlendirmeleri için uygundur. Özellikle tekrarlanan eğilim-skoru kırpma ve yeniden tahmin döngülerinin sakıncalı olduğu durumlarda kullanışlıdır. Örtüşmenin çok zayıf olduğu (karşılaştırılabilir az sayıda kontrol birimi mevcut olduğunda), tedavinin sürekli veya çok değerli olduğu (bunun yerine genelleştirilmiş entropi dengelemesi kullanılır) veya boyut azaltma olmadan kovaryatların yüksek boyutlu olduğu durumlarda bundan kaçının - bu ortamlarda denge kısıtlamaları uygulanamaz olabilir veya ağırlıklar oldukça değişken olabilir.
Güçlü yönler & sınırlılıklar
- İteratif model iyileştirmesine gerek kalmadan, tasarım gereği belirtilen kovaryat momentlerinde tam denge sağlar.
- Eğilim-skoru modelinin doğru şekilde belirtilmesini gerektirmez; optimizasyon doğrudan dengeyi hedefler.
- Tahminci çift yönlü sağlamdır: ağırlıklandırma şeması veya çıktı modeli doğru şekilde belirtilmişse tutarlıdır.
- Dışbükey optimizasyon, benzersiz bir küresel çözüm garanti eder, bu da prosedürü hızlı ve deterministik hale getirir.
- Kısıtlamalar ekleyerek ortalamaları, varyansları ve daha yüksek dereceli momentleri aynı anda dengeleyebilir.
- Yeterli örtüşme gerektirir: çok az sayıda kontrol birimi tedavi edilen birimlere benziyorsa, ağırlıklar aşırı hale gelir ve varyans şişer.
- Denge yalnızca açıkça kısıtlanan momentler üzerinde garanti edilir; belirtilmeyen momentler veya ölçülmeyen karıştırıcılar dengesiz kalır.
- Standart uygulama yalnızca ikili tedavileri ele alır; sürekli veya çok değerli tedaviler genelleştirilmiş uzantılar gerektirir.
- Çok sayıda kovaryatla, kullanıcının hangi momentleri kısıtlayacağına karar vermesi gerekir, bu da takdire bağlı seçimler getirir.
SSS
Entropi dengelemesi, eğilim-skoru ağırlıklandırmasından nasıl farklıdır?
Eğilim-skoru ağırlıklandırması, tedavi olasılığını tahmin eder ve birimleri ağırlıklandırmak için kullanır, ancak denge doğru model belirtimine bağlıdır ve yalnızca yaklaşık olarak sağlanır. Entropi dengelemesi, eğilim skorunu asla tahmin etmeden, dışbükey optimizasyon yoluyla seçilen kovaryat momentlerinde doğrudan tam dengeyi zorlar. Eğilim modeli yanlış belirtilmişse, PSW başarısız olabilir; entropi dengelemesi, kısıtladığı momentler için başarısız olamaz.
Hangi momentleri kısıtlamalıyım?
En azından, hem tedaviye hem de çıktıya bağlı olduğuna inandığınız tüm tedavi öncesi kovaryatların ortalamalarını kısıtlayın. Varyans kısıtlamaları eklemek, merkezi eğilimin ötesindeki kovaryat dağılımlarında dengeyi iyileştirir. Çarpıklık kısıtlamaları bazen yüksek çarpık değişkenler için eklenir. Ortalama ile başlayın; ağırlıklandırma sonrası SMD'ler büyük kalırsa daha yüksek momentler ekleyin.
Entropi dengelemesi çift yönlü sağlam mıdır?
Evet. Zhao ve Cooney (2017), entropi-dengelenmiş ağırlıklı ortalama tahmincisinin çift yönlü sağlam olduğunu kanıtladı: ağırlıklandırma kovaryatları doğru bir şekilde dengeliyorsa veya çıktı modeli doğru bir şekilde belirtilmişse, ATT'nin tutarlı bir tahminini verir - ikisi koşuldan en az birinin geçerli olması koşuluyla.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
Kontrol grubu, ağırlıklandırma esnekliğini sağlamak için en az tedavi edilen grup kadar (ve ideal olarak birkaç kat daha büyük) olmalıdır, böylece aşırı ağırlıklar olmadan denge kısıtlamalarını karşılayabilir. Kontrol havuzu, denge kısıtlamalarının sayısına göre küçükse, problem uygulanamaz olabilir veya oldukça değişken ağırlıklar üretebilir.
Entropi dengelemesini panel verileriyle kullanabilir miyim?
Evet, ancak standart uygulama kesitsel bir anlamda birim düzeyinde denge sağlar. Panel tasarımları için entropi dengelemesi tipik olarak tedavi öncesi temel özelliklere uygulanır ve dengelenmiş ağırlıklar daha sonra çıktı analizi için bir DiD veya panel regresyonuna dahil edilir.
Kaynaklar
- Hainmueller, J. (2012). Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies. Political Analysis, 20(1), 25-46. DOI: 10.1093/pan/mpr025 ↗
- Zhao, Q., & Cooney, D. (2017). Entropy Balancing is Doubly Robust. Journal of Causal Inference, 5(1). DOI: 10.1515/jci-2016-0010 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Entropy Balancing for Causal Policy Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/policy-evaluation-entropy-balancing
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
- Ters Olasılıkla Tedavi Ağırlıklandırma (IPW / IPTW)Nedensel çıkarım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır