Pr§0¤sity Sc§2¤es, M§3¤tch§5¤g, §1¤ Overl§4¤p

Firmy, inwestorzy i rynki rzadko przyjmują politykę losowo. Wielkość, ryzyko, ład korporacyjny, płynność i oczekiwany wzrost mogą wpływać zarówno na przyjęcie, jak i późniejsze wyniki.

Surowa różnica wyników miesza więc efekt działania z istniejącymi wcześniej różnicami. Korekta regresyjna napotyka ten sam problem identyfikacji, jeśli jej założenia nie są możliwe do obrony.

Pytanie projektowe pojawia się jako pierwsze: dla których jednostek działanie mogło wiarygodnie się różnić i jakie fakty sprzed działania wyjaśniają ten wybór?

Dla kowariatów X wynik skłonności e(X) jest prawdopodobieństwem działania warunkowym względem X. Jednostki o tym samym wyniku powinny mieć podobne rozkłady mierzonych X.

Ta własność równoważenia redukuje wielowymiarowe porównanie do jednego wyniku, ale tylko dla zmiennych dostarczonych przed działaniem. Celem nie jest trafność predykcyjna.

Model powinien odzwierciedlać przypisywanie działania i wiedzę merytoryczną. Zmienne po działaniu i kolidery mogą wprowadzić obciążenie zamiast je usunąć.

Metody oparte na skłonności wymagają warunkowej wymienności: po uwarunkowaniu na obserwowanych kowariatach przypisanie działania jest niezależne od porównywanych potencjalnych wyników.

Tego stwierdzenia nie można zweryfikować na podstawie samych dopasowanych danych. Pominięte oczekiwanie, prywatny sygnał lub zdolności kierownictwa mogą nadal napędzać działanie i wyniki.

Dopasowanie jest zatem narzędziem projektowym, a nie certyfikatem przyczynowości. Ujemne kontrole, rozumowanie instytucjonalne i analiza wrażliwości powinny zajmować się niezmierzonym zakłóceniem.

Dodatniość oznacza, że każdy istotny profil kowariatów ma realną szansę pojawić się w obu grupach. Wyniki bliskie zeru lub jedności ujawniają cienkie wspólne wsparcie.

Żaden model nie może stworzyć nieleczonego odpowiednika dla jednostki leczonej znajdującej się poza populacją dawców. Ekstrapolacja w tym obszarze sprawia, że wyniki zależą od postaci funkcjonalnej, a nie od dowodów.

Kalibry, przycinanie i wagi nakładania się mogą poprawić stabilność, ale zmieniają populację docelową. Zmieniony estymand trzeba nazwać, a nie ukrywać.

Dopasowanie najbliższego sąsiada albo kalibru tworzy próbę porównawczą. Stratyfikacja porównuje przedziały wyniku, a ważenie odwrotnością prawdopodobieństwa działania tworzy ważoną pseudopopulację.

Wagi dla średniego efektu działania różnią się od wag dla efektu w jednostkach poddanych działaniu. Wagi nakładania się podkreślają jednostki, dla których status działania był najbardziej niepewny.

Wybory wpływają na obciążenie, wariancję i interpretację. Ponowne używanie kontroli, odrzucanie jednostek poddanych działaniu i estymowanie wyników wpływają na niepewność i powinny wejść do wnioskowania.

Po korekcie porównaj każdą kowariatę za pomocą standaryzowanych różnic średnich i wykresów rozkładu. Wysokie AUC modelu działania nie jest dowodem dobrej równowagi.

Sprawdź rozkłady skłonności, liczbę niedopasowanych jednostek, efektywną liczebność próby i największe wagi. Kilka skrajnych obserwacji może po cichu zdominować estymatę.

Wynik powinien pozostać ukryty podczas dostrajania projektu. W przeciwnym razie powtarzane wybory dopasowania mogą stać się poszukiwaniem specyfikacji sterowanym wynikiem.

Załóżmy, że firmy przyjmujące zasadę ujawniania informacji później handlują taniej. Dopasowanie może porównać podmioty, które ją przyjęły, z firmami podobnymi pod względem wielkości, zmienności, własności i wcześniejszej płynności.

Nadal zawiedzie, jeśli przyjęcie wynikało z niezmierzonego planu finansowania, który również poprawił płynność. Czas i rejestry decyzji mają większe znaczenie niż długa lista kowariatów.

Raportuj datę działania, okno sprzed działania, kowariaty, wykres nakładania się, tabelę równowagi, estymand, wagi, wykluczenia, niepewność efektu i wrażliwość na ukryte obciążenie.

Najsilniejszy wynik nie jest tym, który używa każdej obserwacji. Jest nim wynik wsparty populacją, w której rzeczywiście istnieją wiarygodne odpowiedniki.

Oddziel zaobserwowane osiągnięcie projektu — lepszą równowagę kowariatów — od niesprawdzalnego twierdzenia przyczynowego — że nie pozostało żadne istotne ukryte zakłócenie.

Jeśli estymata gwałtownie zmienia się przy różnych kalibrach, regułach przycinania lub wiarygodnych scenariuszach ukrytego obciążenia, niepewność projektu powinna być częścią wniosku.