Оценка склонности, сопоставление и перекрытие

Компании, инвесторы и рынки редко принимают политику случайно. Размер, риск, управление, ликвидность и ожидаемый рост могут влиять и на принятие, и на будущие исходы

Сырая разница исходов поэтому смешивает эффект воздействия с исходными различиями. Регрессионная корректировка сталкивается с той же проблемой идентификации, если её предпосылки незащитимы

Сначала нужно спросить: среди каких единиц воздействие могло правдоподобно меняться и какие факты до воздействия объясняют этот выбор

Для ковариат X оценка склонности e(X) — вероятность воздействия при условии X. Единицы с одной и той же оценкой должны иметь похожие распределения измеренных X

Это свойство баланса сводит многомерное сравнение к одному баллу, но только для переменных, заданных до воздействия. Целью не является прогнозная точность

Модель должна отражать назначение воздействия и содержательное знание. Переменные после воздействия и коллайдеры могут добавить смещение вместо его удаления

Методы оценки склонности требуют условной обмениваемости: после учёта наблюдаемых ковариат назначение воздействия не связано с потенциальными исходами, которые сравниваются

Это утверждение нельзя проверить только по сопоставленным данным. Пропущенное ожидание, частный сигнал или способность руководства могут по-прежнему двигать воздействие и результат

Сопоставление — инструмент дизайна, а не причинный сертификат. Негативные контроли, институциональная логика и анализ чувствительности должны учитывать ненаблюдаемое смешение

Положительность означает, что у каждого важного профиля ковариат есть содержательная вероятность попасть в обе группы. Оценки около нуля или единицы показывают слабую общую поддержку

Никакая модель не создаст нетронутый аналог для подвергнутой воздействию единицы за пределами популяции доноров. Экстраполяция делает результат зависимым от формы модели, а не от свидетельства

Калиперы, усечение и веса перекрытия могут повысить стабильность, но меняют целевую популяцию. Обновлённую оцениваемую величину нужно назвать, а не скрыть

Сопоставление ближайших соседей или по калиперу строит выборку сравнения. Стратификация сравнивает полосы оценки, а взвешивание обратной вероятностью создаёт взвешенную псевдопопуляцию

Веса для среднего эффекта воздействия отличаются от весов для эффекта на подвергнутых воздействию. Веса перекрытия усиливают единицы, чей статус воздействия был наиболее неопределённым

Выборы влияют на смещение, дисперсию и интерпретацию. Повторное использование контролей, удаление подвергнутых воздействию единиц и оценка баллов влияют на неопределённость и должны учитываться в выводе

После корректировки сравните каждую ковариату по стандартизированным средним различиям и графикам распределений. Высокий AUC модели воздействия не доказывает хороший баланс

Проверьте распределения оценок склонности, число несопоставленных единиц, эффективный объём выборки и крупнейшие веса. Несколько крайних наблюдений могут незаметно доминировать в оценке

Исход должен оставаться скрытым при настройке дизайна. Иначе повторные варианты сопоставления превращаются в управляемый исходом поиск спецификации

Предположим, компании, принявшие правило раскрытия, позже торгуются дешевле. Сопоставление может сравнить их с компаниями, похожими по размеру, волатильности, структуре собственности и прошлой ликвидности

Оно всё равно провалится, если принятию предшествовал неизмеренный план финансирования, который также улучшил ликвидность. Время и записи решений важнее длинного списка ковариат

Укажите дату воздействия, окно до воздействия, ковариаты, график перекрытия, таблицу баланса, оцениваемую величину, веса, исключения, неопределённость эффекта и чувствительность к скрытому смещению

Сильнейший результат не тот, где использовано каждое наблюдение. Это результат из популяции, где действительно существуют убедительные сопоставимые единицы

Отделяйте достигнутый наблюдаемый результат дизайна — лучший баланс ковариат — от непроверяемого причинного утверждения, что важного скрытого смешения не осталось

Если оценка резко меняется при калиперах, правилах усечения или правдоподобных сценариях скрытого смещения, неопределённость дизайна должна войти в вывод