Mekansal Karşı-Olgusal Etki Değerlendirmesi (SCIE)
Spatial Counterfactual Impact Evaluation · Ayrıca şöyle bilinir: SCIE, spatial CIE, place-based counterfactual evaluation, regional counterfactual analysis
Mekansal Karşı-Olgusal Etki Değerlendirmesi (SCIE), coğrafi olarak hedeflenmiş politikaların — AB Uyum Fonları, işletme bölgeleri veya yere dayalı sübvansiyonlar gibi — nedensel etkisini, mekansal bir karşı-olgusal oluşturarak tahmin eden yarı-deneysel yöntemler ailesidir: müdahale olmadan tedavi edilen bölgenin ne gibi sonuçlar deneyimleyeceği, karşılaştırılabilir tedavi edilmemiş bölgelerden veya politika sınırlarındaki süreksizliklerden çıkarılır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir politika veya müdahale coğrafi birimlere (bölgeler, belediyeler, alanlar) atandığında ve ekonomik, sosyal veya çevresel sonuçlar üzerindeki etkisinin nedensel bir tahminine ihtiyaç duyduğunuzda SCIE'yi kullanın. AB yapısal fon değerlendirmeleri, işletme bölgesi çalışmaları ve sınır tabanlı doğal deneyler için çok uygundur. Yöntem, tedavi atamasında güvenilir coğrafi değişkenlik — anlamlı bir sınır, süreksizlik veya karşılaştırılabilir kontrol alanları — ve hem tedavi edilen hem de edilmemiş birimler için mekansal sonuç verileri gerektirir. Tedavinin tamamen rastgele olduğu (bir RCT daha güçlüdür), karşılaştırılabilir mekansal kontrol olmadığı, politika alanının komşu tedavi edilmemiş alan kalmayacak kadar büyük olduğu veya sonuçların coğrafi olarak referanslandırılmadığı durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- Coğrafi atama kurallarından yararlanarak gözlemsel mekansal verilerden yere dayalı politikaların nedensel etkilerini belirler.
- Bölgelerin politika programlarına kendiliğinden seçilme gerçeğini, mekansal ön-tedavi özelliklerine göre eşleştirerek veya keskin uygunluk eşiklerinden yararlanarak ele alır.
- Standart DiD'nin göz ardı ettiği mekansal etkileşimleri ve genel denge yer değiştirme etkilerini açıkça modelleyebilir ve düzeltebilir.
- Esnek çerçeve: atama mekanizmasına bağlı olarak RD, DiD, sentetik kontrol ve eşleştirme ile uyumludur.
- Özellikle deneysel verilerin mevcut olmadığı AB Uyum Politikası ve diğer büyük ölçekli yere dayalı müdahaleleri değerlendirmek için çok uygundur.
- Tanımlama varsayımları (paralel mekansal eğilimler, sınırlar etrafında sıralama olmaması) kesin terimlerle test edilemez ve firmaların veya hanelerin beklenti içinde yer değiştirdiği politika eşiklerine yakın yerlerde başarısız olabilir.
- Mekansal etkileşimler SUTVA'yı ihlal eder; tedavi edilmemiş kontrol alanları dolaylı olarak politikadan yararlanır veya zarar görürse, karşı-olgusal kirlenir.
- Veri talepleri yüksektir: eğilimleri doğrulamak ve plasebo testleri yapmak için ince coğrafi çözünürlükte uzun ön-tedavi panelleri gereklidir.
- Sınır tabanlı tasarımlar dışsal geçerliliğini kaybeder — eşikte tahmin edilen etkiler, tedavi edilen alanların iç kısmına genellenmeyebilir.
- Uygulama karmaşıklığı önemlidir; kullanıma hazır tek bir tahminci yoktur ve bant genişliği, eşleştirme kovaryetleri ve etkileşim tamponlarının seçimleri sonuçları etkiler.
SSS
Bu, standart bir farklar-içinde-farklar'dan nasıl farklıdır?
Standart DiD, bir tedavi edilen ve bir kontrol grubunu bir müdahaleden önce ve sonra karşılaştırır ancak mekansal etkileşimlerin olmadığını varsayar ve tedavinin coğrafi yapısını göz ardı eder. SCIE, coğrafi atama kurallarından (sınırlar, eşikler) açıkça yararlanır, hatalardaki mekansal otokorelasyonu hesaba katar ve tedavi sınırı boyunca etkileşimleri modeller veya düzeltir — bu da onu bağımsız gözlemler yerine mekansal olarak bağlı bölgeler olduğunda uygun hale getirir.
Mekansal ayarlarda SUTVA sorunu nedir?
SUTVA (Kararlı Birim Tedavi Değeri Varsayımı), bir birimin tedavisinin başka bir birimin sonucunu etkilememesini gerektirir. Mekansal ayarlarda bu rutin olarak ihlal edilir: bir bölgeye yapılan sübvansiyon, komşu tedavi edilmemiş bir bölgeden yatırım çekebilir (yer değiştirme) veya tedarik zinciri etkileşimleri yaratabilir. SCIE, bu tür kirlenmeleri tespit etmek ve düzeltmek için tampon bölgeler, halka tasarımları veya mekansal gecikme modelleri kullanarak bunu ele alır.
Eşleştirmeye göre regresyon süreksizliği yaklaşımı ne zaman tercih edilir?
Keskin, idari olarak belirlenmiş bir uygunluk eşiği (örneğin, sabit bir AB kıyaslamasının altında GSYİH) olduğunda ve her iki tarafındaki birimleri gözlemleyebildiğinizde Mekansal RD tercih edilir. Böyle bir eşik olmadığında ancak ön-tedavi özelliklerine benzer tedavi edilmemiş alanlardan oluşan bir havuz bulabildiğinizde Eşleştirme tercih edilir. RD daha güçlü yerel tanımlama sağlar; eşleştirme daha geniş kapsama alanı sunar ancak daha güçlü kovaryet denge varsayımları gerektirir.
Ne kadar veri çözünürlüğüne ihtiyacım var?
Politika atama birimiyle tutarlı en ince uygun coğrafi çözünürlük idealdir. AB uyum çalışmaları tipik olarak NUTS2 veya NUTS3 bölgelerini kullanır; firma düzeyindeki çalışmalar belediye veya posta kodu verilerini kullanır. Daha kaba toplama, heterojen etkileri maskeleyebilir ve sınır tasarımlarını uygulanamaz hale getirebilir. Trend kontrolleri için en az üç ila beş yıllık bir ön-tedavi paneli önerilir.
Çıkarımlarda mekansal otokorelasyonu nasıl ele alırım?
Küme içi korelasyonu hesaba katmak için standart hataları bölgesel veya NUTS düzeyinde kümeleyin. Kümeler büyük veya az olduğunda, coğrafi mesafeye göre gözlemleri ağırlıklandıran mekansal HAC (Conley) standart hataları sağlam bir alternatiftir. Her zaman her ikisini de raporlayın ve sonuçların değişip değişmediğini not edin.
Kaynaklar
- Cerqua, A., & Pellegrini, G. (2014). Do subsidies to private capital boost firms' growth? A multiple regression discontinuity design approach. Journal of Public Economics, 109, 114-126. DOI: 10.1016/j.jpubeco.2013.11.005 ↗
- Pellegrini, G., Terribile, F., Tarola, O., Muccigrosso, T., & Busillo, F. (2013). Measuring the effects of European Regional Policy on economic growth: A regression discontinuity approach. Papers in Regional Science, 92(1), 217-233. DOI: 10.1111/j.1435-5957.2012.00459.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Spatial Counterfactual Impact Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/spatial-counterfactual-impact-evaluation
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
- Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
- Nedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiSağlık ekonomisi↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır