Semua panduan opsi dan kontrak berjangka
Bangun satu kontrafaktual dari kumpulan donor yang transparanWaktu baca 18 menit

Metode Synthetic Control

Pahami bobot donor, kecocokan sebelum treatment, batas convex hull, inferensi placebo, spillover, dan cara synthetic control mengevaluasi kebijakan yang memengaruhi satu pasar atau perusahaan

Disusun oleh Mark · Sumber utama di bawah

Jawaban langsung

Synthetic control mengestimasi apa yang mungkin terjadi pada satu unit yang ditreatment dengan memberi bobot pada unit donor tanpa treatment untuk mereproduksi jalurnya sebelum treatment. Setelah treatment, kesenjangan antara unit yang ditreatment dan synthetic menjadi estimasi efek jika kecocokan awal kredibel dan donor tetap tidak terpapar intervensi atau spillover-nya. Metode ini transparan karena bobot, kecocokan, dan kesenjangan dapat dilihat, tetapi kecocokan awal yang lemah, kumpulan donor yang tercemar, antisipasi, atau guncangan khusus unit yang bersamaan dapat menggagalkan interpretasi kausal

Satu unit yang ditreatment memerlukan pembanding yang dibangun

Aturan nasional, desain ulang bursa, atau intervensi khusus perusahaan mungkin hanya memengaruhi satu unit. Tidak ada satu unit tanpa treatment yang cukup menyerupainya

Synthetic control menggabungkan beberapa unit tanpa treatment, biasanya dengan bobot nonnegatif yang jumlahnya satu, untuk membentuk pembanding berbasis data

Objek ini bukan prakiraan yang dipilih karena akurasi pasca-peristiwa. Ini adalah kontrafaktual yang seluruhnya dirancang dari informasi yang tersedia sebelum treatment

Kecocokan sebelum treatment menjadi dasar desain

Bobot dipilih agar unit sintetis mengikuti prediktor penting dan terutama jalur outcome unit yang ditreatment sebelum intervensi

Periode awal yang panjang dapat menunjukkan apakah donor berbobot mereproduksi level dan dinamika. Riwayat yang pendek atau tidak stabil menyisakan banyak kontrafaktual yang masuk akal

Kecocokan awal yang buruk tidak diperbaiki oleh kesenjangan pascatreatment yang menarik. Ini berarti metode belum menunjukkan pembanding yang kredibel pada titik yang dapat diperiksa

Kumpulan donor adalah pilihan substantif

Donor harus dipengaruhi kekuatan yang sebanding tetapi tetap tidak tersentuh treatment, antisipasi, dan spillover. Unit yang berbeda secara struktural dapat mendistorsi tolok ukur

Unit yang ditreatment seharusnya berada dekat convex hull dari riwayat donor. Jika lebih ekstrem daripada setiap donor, bobot nonnegatif tidak dapat mereproduksinya dengan baik

Menambahkan donor tidak otomatis membantu. Kumpulan yang luas dapat memasukkan unit yang tercemar atau tidak sebanding, sedangkan pengecualian yang didorong outcome mengundang cherry-picking

Kesenjangan pascatreatment adalah bukti bersyarat

Setelah bobot ditetapkan, outcome sintetis berlanjut sebagai outcome donor yang diberi bobot. Kesenjangan melacak estimasi efek dari waktu ke waktu

Interpretasi mengasumsikan tidak ada guncangan lain pada unit yang ditreatment yang dimulai pada tanggal yang sama. Reformasi pasar, paparan krisis, perubahan indeks, atau perubahan pengukuran dapat meniru treatment

Perilaku antisipatif dapat memajukan tanggal efektif, dan spillover dapat mengubah outcome donor. Keduanya mencemari kontras, bukan sekadar menambah noise

Placebo mengatur inferensi

Placebo in-space menetapkan ulang treatment pada setiap donor dan membandingkan kesenjangannya dengan kesenjangan unit yang ditreatment. Placebo in-time menguji tanggal ketika tidak ada intervensi

Ukuran kesenjangan harus dinilai relatif terhadap error sebelum treatment. Rasio RMSPE pasca/sebelum yang besar lebih informatif daripada kesenjangan mentah dari unit yang sejak awal tidak pernah cocok dengan baik

Peringkat ini bukan p-value acak biasa kecuali mekanisme penetapan mendukung pembacaan tersebut. Peringkat menunjukkan seberapa tidak biasa pola unit yang ditreatment di dalam kumpulan donor

Sensitivitas harus memperlihatkan ketergantungan pada pilihan

Analisis leave-one-out menghapus donor berbobot positif yang berpengaruh. Jendela prediktor dan aturan donor alternatif menunjukkan apakah satu pilihan pemodelan menciptakan hasil

Plot bobot dan error periode awal, bukan hanya kesenjangan akhir. Unit sintetis yang hampir seluruhnya bertumpu pada satu donor memerlukan pemeriksaan khusus

Varian augmented atau generalized dapat melonggarkan sebagian keterbatasan kecocokan, tetapi memperkenalkan asumsi pemodelan baru. Ekstensi canggih tidak dapat menyelamatkan desain penelitian yang buruk

Peristiwa keuangan dapat cocok dengan desain ini

Aturan yang memengaruhi satu bursa dapat dibandingkan dengan gabungan berbobot bursa yang tidak terpapar dan sebelumnya mengikuti turnover, spread, serta volatilitas

Kontrol modal tingkat negara atau intervensi tata kelola perusahaan juga dapat sesuai, asalkan kumpulan donor stabil dan guncangan global memengaruhinya secara sebanding

Kesimpulannya bersifat lokal pada unit dan peristiwa tersebut. Kesimpulan tidak otomatis berlaku pada pasar lain, intensitas kebijakan lain, atau rezim ekonomi lain

Jadikan kontrafaktual terlihat

Laporkan kelayakan donor sebelum menampilkan outcome, semua bobot nonnol, keseimbangan prediktor, jalur lengkap sebelum dan sesudah treatment, serta ukuran kecocokan awal numerik

Tambahkan kesenjangan placebo, rasio kecocokan pasca/sebelum, hasil leave-one-out, jendela alternatif, serta garis waktu peristiwa bersamaan dan kemungkinan spillover

Ketika kecocokan awal lemah atau unit yang ditreatment berada di luar dukungan donor, hasil yang jujur mungkin adalah desain ini tidak dapat mengestimasi efek yang meyakinkan

Pertanyaan umum

Apakah bobot synthetic control harus berjumlah satu?

Dalam metode klasik, bobot biasanya nonnegatif dan berjumlah satu, sehingga unit sintetis tetap berada di dalam convex hull donor

Seberapa baik kecocokan sebelum treatment harus dicapai?

Tidak ada ambang universal, tetapi kecocokan harus cukup dekat sehingga kontrafaktual kredibel dibandingkan unit placebo dan skala studi

Apakah peringkat placebo sama dengan p-value konvensional?

Tidak otomatis. Peringkat itu menggambarkan seberapa tidak biasa kesenjangan unit yang ditreatment di antara penetapan ulang donor dan memerlukan argumen penetapan untuk klaim probabilitas yang lebih kuat

Dapatkah saya memasukkan semua donor yang tersedia?

Tidak. Donor memerlukan keterbandingan substantif dan harus bebas dari treatment, antisipasi, dan spillover

Sumber dan bacaan lanjutan

Panduan terkait