Sağlam Sentetik Kontrol Yöntemi
Robust Synthetic Control Method with Uncertainty Quantification · Ayrıca şöyle bilinir: Robust SCM, Inference-robust synthetic control, Synthetic control with valid inference, SCM with prediction intervals
Sağlam sentetik kontrol yöntemi, istatistiksel olarak geçerli belirsizlik nicelemesi ve çıkarım sağlayarak klasik sentetik kontrol tahmincisini genişletir. Cattaneo, Feng ve Titiunik (2021) tarafından geliştirilen bu yöntem, orijinal yaklaşımın temel bir sınırlamasını (resmi tahmin aralıklarının eksikliği) ele alarak, yalnızca tek bir müdahale görmüş birim gözlemlendiğinde nedensel sonuçları daha savunulabilir hale 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
Açıkça tanımlanmış bir müdahale yaşamış tek bir toplu müdahale görmüş biriminiz (bir ülke, bölge, firma veya okul) ve birçok müdahale öncesi dönemde gözlemlenmiş karşılaştırılabilir müdahale görmemiş birimler havuzunuz olduğunda sağlam sentetik kontrol yöntemini kullanın. Özellikle, küçük bir bağışçı havuzu nedeniyle basit bir permütasyon testinin gücünün düşük olacağı veya paydaşların yalnızca görsel bir grafikten ziyade resmi bir belirsizlik beyanına ihtiyaç duyduğu durumlarda değerlidir. Birçok birim müdahale gördüğünde (farkların farkı veya kademeli DiD daha uygundur), kovaryat ayarlamasından sonra bile müdahale öncesi uyum zayıf olduğunda veya bağışçı havuzu, müdahale görmüş birimle aynı şoktan açıkça etkilenen birimleri içerdiğinde (SUTVA ihlali) kullanmayın.
Güçlü yönler & sınırlılıklar
- Tek bir müdahale görmüş birim için geçerli kapsama garantileri ile resmi tahmin aralıkları sağlar, orijinal sentetik kontroldeki çıkarımsal boşluğu giderir.
- Negatif olmayan, toplamı bire eşit ağırlık kısıtlamaları, gerçek gözlemlenen birimlerin dışbükey bir kombinasyonu olan şeffaf ve yorumlanabilir bir karşıolgusal üretir.
- Görsel müdahale öncesi uyum değerlendirmesi, paralel trendler analoğunu doğrudan gözlemlenebilir kılar, çıkarım raporlanmadan önce güvenilirliği destekler.
- Plasebo permütasyon testleri ve bağışçı havuzu duyarlılık kontrolleri, sonuç sağlamlığının çok katmanlı bir resmini verir.
- Regresyon tabanlı yöntemlerin aşırı uyum sağlayacağı, müdahale öncesi dönem sayısının bağışçı sayısına göre fazla olduğu durumlarda uygulanabilir.
- Müdahale sonrası pencereye göre uzun bir müdahale öncesi dönem gerektirir; kısa bir müdahale öncesi kayıt, güvenilmez bir sentetik eşleşme ve geniş tahmin aralıkları üretir.
- Çok az bağışçı ile (beş ila ondan az), permütasyon tabanlı çıkarımın gücü düşüktür ve tahmin aralığı çerçevesi de kesin olmayabilir.
- Doğru bağışçı havuzunu belirlemek kısmen yargısaldır; farklı makul seçimler, önemli ölçüde farklı tahminler verebilir ve açık bir duyarlılık analizi gerektirir.
- Yöntem, bireysel düzeyde değil, toplu düzeyde veriler için tasarlanmıştır — birçok müdahale görmüş birim içeren mikro-panel ayarlarına doğrudan genelleşmez.
- Yorumlama, seçilen tahminciler ve müdahale öncesi uyum kalitesi hakkında şeffaflık gerektirir; müdahale öncesinde zayıf bir uyum, tüm yaklaşımı geçersiz kılar.
SSS
Bu, orijinal sentetik kontrol yönteminden nasıl farklıdır?
Orijinal yöntem, karşıolgusal yörüngeyi tahmin eder ve çıkarım için permütasyon testlerine dayanır, bu da küçük bağışçı havuzlarıyla çok düşük güce sahip olabilir. Sağlam varyant, geçerli sıklıkçı kapsama garantileri ile resmi tahmin aralıkları ekleyerek, tek bir müdahale görmüş birimle bile belirsizlik nicelemesini titiz hale getirir.
Kaç tane müdahale öncesi döneme ihtiyacım var?
Kabaca bir kılavuz olarak, müdahale öncesi dönem sayısı, bağışçı birimlerinin sayısını rahatça aşmalıdır. On veya daha az bağışçıya karşılık otuz veya daha fazla müdahale öncesi dönem idealdir. Daha az müdahale öncesi dönem, müdahale öncesi pencereye aşırı uyum riskini artırır ve tahmin aralıklarını genişletir.
Müdahale öncesi uyumum zayıfsa ne olur?
Zayıf bir müdahale öncesi uyum — yüksek bir kök ortalama kare tahmin hatası ile nicelenen — sentetik kontrolün geçerli bir karşıolgusal olmadığının birincil uyarı işaretidir. Bu durumda, bağışçı havuzu seçimini gözden geçirin, ilgili tahmincileri ekleyin veya eşleştirme ile farkların farkı gibi alternatif yöntemleri düşünün.
Sağlam SCM'yi birden fazla müdahale görmüş birimle kullanabilir miyim?
Yöntem, temel olarak tek müdahale görmüş birim durumu için tasarlanmıştır. Birden fazla müdahale görmüş birimle, kademeli farkların farkı, genelleştirilmiş sentetik kontrol veya matris tamamlama tahmincileri gibi yöntemler daha uygun ve daha iyi istatistiksel özellikler sunar.
Ağırlık tahmini için tahmincileri nasıl seçerim?
Müdahale öncesi dönemden sonuç gecikmelerini — özellikle alt dönemler üzerindeki ortalamaları — sonucunu tahmin eden temel zamanla değişmeyen kovaryatlarla birlikte dahil edin. Müdahale sonrası değişkenleri veya kendileri müdahaleden etkilenen tahmincileri dahil etmekten kaçının. Farklı tahminci seçimlerine göre sonuçların duyarlılığını raporlayın.
Kaynaklar
- Cattaneo, M. D., Feng, Y., & Titiunik, R. (2021). Prediction Intervals for Synthetic Control Methods. Journal of the American Statistical Association, 116(536), 1865-1880. DOI: 10.1080/01621459.2021.1979561 ↗
- Abadie, A., Diamond, A., & Hainmueller, J. (2015). Comparative Politics and the Synthetic Control Method. American Journal of Political Science, 59(2), 495-510. DOI: 10.1111/ajps.12116 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Synthetic Control Method with Uncertainty Quantification. ScholarGate. https://scholargate.app/tr/causal-inference/robust-synthetic-control-method
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayes Sentetik Kontrol YöntemiNedensel çıkarım↔ karşılaştır
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Sağlam Farkların Farkı YöntemiNedensel çıkarım↔ karşılaştır
- Nedensellik için Duyarlılık AnaliziNedensel çıkarım↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır