Die Synthetic-Control-Methode
Verstehen Sie Donor-Gewichte, Anpassung vor der Maßnahme, Grenzen der konvexen Hülle, Placebo-Inferenz, Spillovers und wie Synthetic Control eine Politik mit Auswirkungen auf einen Markt oder ein Unternehmen bewertet
Kurzantwort
Synthetic Control schätzt, was mit einer behandelten Einheit geschehen sein könnte, indem unbehandelte Donoreinheiten gewichtet werden, um ihren Pfad vor der Maßnahme nachzubilden. Nach der Maßnahme wird die Differenz zwischen behandelter und synthetischer Einheit zum geschätzten Effekt, wenn die Vorabpassung glaubwürdig ist und die Donoren der Intervention oder ihren Spillovers nicht ausgesetzt sind. Die Methode ist transparent, weil Gewichte, Anpassung und Differenzen sichtbar sind, aber eine schwache Vorabpassung, ein verunreinigter Donor-Pool, Antizipation oder ein gleichzeitiger einheitsspezifischer Schock die kausale Interpretation zunichtemachen können
Eine behandelte Einheit braucht einen konstruierten Vergleich
Eine nationale Regel, eine Neugestaltung einer Börse oder eine unternehmensspezifische Intervention kann nur eine Einheit betreffen. Keine einzelne unbehandelte Einheit muss ihr ähnlich genug sein
Synthetic Control kombiniert mehrere unbehandelte Einheiten, üblicherweise mit nichtnegativen Gewichten, die sich zu eins summieren, um einen datenbasierten Vergleich zu bilden
Das Ziel ist keine Prognose, die nach dem Ereignis auf Genauigkeit ausgewählt wurde. Es ist ein Kontrafaktum, das vollständig aus Informationen vor der Maßnahme konstruiert wird
Die Anpassung vor der Maßnahme trägt das Design
Gewichte werden so gewählt, dass die synthetische Einheit wichtige Prädiktoren und insbesondere den Ergebnispfad der behandelten Einheit vor der Intervention nachbildet
Ein langer Vorzeitraum kann zeigen, ob die gewichteten Donoren sowohl Niveau als auch Dynamik reproduzieren. Eine kurze oder instabile Historie lässt viele plausible Kontrafaktuals zu
Eine schlechte Vorabpassung wird nicht durch eine attraktive Differenz nach der Maßnahme geheilt. Sie bedeutet, dass die Methode an dem Punkt, an dem sie geprüft werden kann, keinen glaubwürdigen Vergleich gezeigt hat
Der Donor-Pool ist eine inhaltliche Entscheidung
Donoren sollten von vergleichbaren Kräften bestimmt werden und gleichzeitig von Maßnahme, Antizipation und Spillovers unberührt bleiben. Strukturell unterschiedliche Einheiten können die Benchmark verzerren
Die behandelte Einheit sollte nahe an der konvexen Hülle der Donor-Historien liegen. Wenn sie extremer ist als jeder Donor, können nichtnegative Gewichte sie nicht gut reproduzieren
Mehr Donoren helfen nicht automatisch. Ein breiter Pool kann verunreinigte oder nicht vergleichbare Einheiten einführen, während ergebnisgetriebene Ausschlüsse zu selektiver Auswahl einladen
Die Differenz nach der Maßnahme ist bedingte Evidenz
Sobald die Gewichte feststehen, entwickeln sich die synthetischen Ergebnisse als gewichtete Donor-Ergebnisse weiter. Die Differenz zeichnet den geschätzten Effekt über die Zeit nach
Die Interpretation setzt voraus, dass am selben Datum kein anderer Schock der behandelten Einheit beginnt. Eine Marktreform, Krisenexponierung, Indexänderung oder Messunterbrechung kann die Maßnahme nachahmen
Antizipierendes Verhalten kann den effektiven Beginn vorverlegen, und Spillovers können Donorergebnisse bewegen. Beides verunreinigt den Kontrast und fügt nicht lediglich Rauschen hinzu
Placebos ordnen die Inferenz
Bei In-Space-Placebos wird die Behandlung jedem Donor neu zugewiesen und seine Differenz mit der Differenz der behandelten Einheit verglichen. In-Time-Placebos testen Zeitpunkte, an denen keine Intervention stattfand
Die Größe der Differenz sollte relativ zum Fehler vor der Maßnahme beurteilt werden. Ein hohes Verhältnis von RMSPE nach zu vor der Maßnahme ist informativer als eine rohe Differenz einer Einheit, die nie gut passte
Diese Rangfolgen sind keine gewöhnlichen p-Werte aus randomisierten Experimenten, sofern der Zuweisungsmechanismus diese Lesart nicht rechtfertigt. Sie zeigen, wie ungewöhnlich das Muster der behandelten Einheit innerhalb des Donor-Sets ist
Sensitivität sollte die Abhängigkeit von Entscheidungen sichtbar machen
Eine Leave-one-out-Analyse entfernt einflussreiche Donoren mit positivem Gewicht. Alternative Prädiktorfenster und Donorregeln zeigen, ob eine einzelne Modellierungsentscheidung das Ergebnis erzeugt
Stellen Sie Gewichte und Vorperiodenfehler dar und nicht nur die endgültige Differenz. Eine synthetische Einheit, die fast vollständig auf einem Donor ruht, verdient besondere Prüfung
Augmentierte oder verallgemeinerte Varianten können einige Anpassungsgrenzen lockern, führen aber neue Modellannahmen ein. Eine anspruchsvolle Erweiterung kann ein schlechtes Forschungsdesign nicht retten
Finanzereignisse können gut zum Design passen
Eine Regel, die eine einzelne Börse betrifft, kann mit einer gewichteten Mischung nicht exponierter Börsen verglichen werden, die zuvor Umsatz, Spreads und Volatilität ähnlich abgebildet haben
Kapitalverkehrskontrollen auf Länderebene oder ein Eingriff in die Unternehmensführung können ebenfalls geeignet sein, sofern der Donor-Pool stabil ist und globale Schocks ihn vergleichbar beeinflussen
Die Schlussfolgerung gilt lokal für diese Einheit und dieses Ereignis. Sie verallgemeinert sich nicht automatisch auf einen anderen Markt, eine andere Politikintensität oder ein anderes Wirtschaftsregime
Machen Sie das Kontrafaktum sichtbar
Berichten Sie die Eignung der Donoren, bevor Sie Ergebnisse zeigen, alle Gewichte ungleich null, die Prädiktorbilanz, den vollständigen Pfad vor und nach der Maßnahme sowie numerische Vorabpassungsmaße
Fügen Sie Placebo-Differenzen, Verhältnisse der Anpassung nach zu vor, Leave-one-out-Ergebnisse, alternative Fenster und eine Zeitleiste gleichzeitiger Ereignisse und möglicher Spillovers hinzu
Wenn die Vorabpassung schwach ist oder die behandelte Einheit außerhalb der Donor-Unterstützung liegt, kann das ehrliche Ergebnis sein, dass dieses Design keinen überzeugenden Effekt schätzen kann
Häufige Fragen
Müssen sich die Gewichte bei Synthetic Control zu eins summieren?
Bei der klassischen Methode sind sie normalerweise nichtnegativ und summieren sich zu eins, sodass die synthetische Einheit innerhalb der konvexen Hülle der Donoren bleibt
Wie gut muss die Anpassung vor der Maßnahme sein?
Es gibt keinen universellen Grenzwert, aber die Anpassung muss so eng sein, dass das Kontrafaktum relativ zu Placeboeinheiten und zur Größenordnung der Studie glaubwürdig ist
Sind Placebo-Rangfolgen dasselbe wie konventionelle p-Werte?
Nicht automatisch. Sie beschreiben, wie ungewöhnlich die Differenz der behandelten Einheit unter den Neuzuweisungen zu Donoren ist, und benötigen für stärkere Wahrscheinlichkeitsaussagen ein Zuweisungsargument
Kann ich jeden verfügbaren Donor hinzufügen?
Nein. Donoren müssen inhaltlich vergleichbar und frei von Maßnahme, Antizipation und Spillovers sein