Synthetic Control Method
ทำความเข้าใจน้ำหนักของ donor ความพอดีก่อนการแทรกแซง ขีดจำกัด convex hull การอนุมานด้วย placebo spillovers และวิธีที่ synthetic control ใช้ประเมินนโยบายที่กระทบตลาดหรือบริษัทหนึ่งแห่ง
คำตอบโดยตรง
Synthetic control ประมาณสิ่งที่อาจเกิดขึ้นกับหน่วยที่ได้รับการแทรกแซงหนึ่งหน่วย โดยให้น้ำหนักหน่วย donor ที่ไม่ได้รับการแทรกแซงเพื่อสร้างเส้นทางก่อนการแทรกแซงให้เหมือนกัน หลังการแทรกแซง ช่องว่างระหว่างหน่วยที่ได้รับการแทรกแซงกับหน่วยสังเคราะห์จะเป็นผลกระทบที่ประมาณได้ หากความพอดีก่อนเหตุการณ์น่าเชื่อถือ และ donor ไม่ได้รับผลจากการแทรกแซงหรือ spillover วิธีนี้โปร่งใสเพราะมองเห็นน้ำหนัก ความพอดี และช่องว่าง แต่ความพอดีก่อนเหตุการณ์ที่อ่อน donor pool ที่ปนเปื้อน พฤติกรรมคาดการณ์ล่วงหน้า หรือแรงกระแทกเฉพาะหน่วยที่เกิดพร้อมกัน อาจทำลายการตีความเชิงเหตุและผล
หน่วยที่ได้รับการแทรกแซงหนึ่งหน่วยต้องมีตัวเปรียบเทียบที่สร้างขึ้น
กฎระดับประเทศ การออกแบบตลาดใหม่ หรือการแทรกแซงเฉพาะบริษัทอาจกระทบเพียงหน่วยเดียว หน่วยที่ไม่ได้รับการแทรกแซงเพียงหน่วยเดียวอาจคล้ายไม่มากพอ
Synthetic control รวมหน่วยที่ไม่ได้รับการแทรกแซงหลายหน่วย โดยปกติใช้น้ำหนักไม่เป็นลบรวมกันเป็นหนึ่ง เพื่อสร้างตัวเปรียบเทียบจากข้อมูล
สิ่งที่ได้ไม่ใช่การพยากรณ์ที่เลือกเพื่อความแม่นยำหลังเหตุการณ์ แต่เป็น counterfactual ที่ออกแบบทั้งหมดจากข้อมูลที่มีอยู่ก่อนการแทรกแซง
ความพอดีก่อนการแทรกแซงเป็นแกนของการออกแบบ
เลือกน้ำหนักเพื่อให้หน่วยสังเคราะห์ติดตามตัวพยากรณ์ที่สำคัญ และโดยเฉพาะเส้นทางผลลัพธ์ของหน่วยที่ได้รับการแทรกแซงก่อนนโยบาย
ช่วงก่อนเหตุการณ์ที่ยาวช่วยให้เห็นว่าน้ำหนัก donor จำลองทั้งระดับและพลวัตได้หรือไม่ ประวัติที่สั้นหรือไม่เสถียรทำให้มี counterfactual ที่เป็นไปได้หลายแบบ
ความพอดีก่อนเหตุการณ์ที่แย่ไม่ได้รับการแก้ด้วยช่องว่างหลังการแทรกแซงที่ดูน่าดึงดูด แต่หมายความว่าวิธียังไม่แสดงตัวเปรียบเทียบที่น่าเชื่อถือ ณ จุดที่ตรวจสอบได้
Donor pool เป็นทางเลือกที่มีสาระ
Donor ควรถูกกำหนดโดยแรงผลักที่เปรียบเทียบได้ แต่ยังไม่ถูกกระทบจากการแทรกแซง พฤติกรรมคาดการณ์ล่วงหน้า และ spillover หน่วยที่มีโครงสร้างต่างกันอาจบิดเบือน benchmark
หน่วยที่ได้รับการแทรกแซงควรอยู่ใกล้ convex hull ของประวัติ donor หากสุดโต่งกว่าทุก donor น้ำหนักที่ไม่เป็นลบจะจำลองมันได้ไม่ดี
การเพิ่ม donor ไม่ได้ช่วยโดยอัตโนมัติ pool ที่กว้างอาจนำหน่วยที่ปนเปื้อนหรือเปรียบเทียบไม่ได้เข้ามา ขณะที่การตัดออกโดยอิงผลลัพธ์ชวนให้เลือกข้อมูลเข้าข้างตน
ช่องว่างหลังการแทรกแซงเป็นหลักฐานแบบมีเงื่อนไข
เมื่อน้ำหนักถูกกำหนดแล้ว ผลลัพธ์สังเคราะห์จะดำเนินต่อเป็นผลลัพธ์ donor ที่ถ่วงน้ำหนัก ช่องว่างจะติดตามผลกระทบที่ประมาณได้ตามเวลา
การตีความสมมติว่าไม่มีแรงกระแทกอื่นของหน่วยที่ได้รับการแทรกแซงเริ่มขึ้นในวันเดียวกัน การปฏิรูปตลาด การได้รับผลจากวิกฤต การเปลี่ยนดัชนี หรือการเปลี่ยนการวัดอาจเลียนแบบการแทรกแซง
พฤติกรรมคาดการณ์ล่วงหน้าอาจเลื่อนวันที่มีผลจริงให้เร็วขึ้น และ spillover อาจเคลื่อนผลลัพธ์ของ donor ทั้งสองอย่างปนเปื้อนความแตกต่าง ไม่ใช่แค่เพิ่ม noise
Placebo ช่วยจัดระเบียบการอนุมาน
Placebo แบบ in-space ย้ายการแทรกแซงไปยัง donor แต่ละตัวและเปรียบเทียบช่องว่างกับของหน่วยจริง Placebo แบบ in-time ทดสอบวันที่ไม่มีการแทรกแซง
ควรตัดสินขนาดช่องว่างเทียบกับข้อผิดพลาดก่อนการแทรกแซง อัตราส่วน RMSPE หลังต่อก่อนให้ข้อมูลมากกว่าช่องว่างดิบจากหน่วยที่ไม่เคยฟิตได้ดี
อันดับเหล่านี้ไม่ใช่ p-value จากการสุ่มแบบปกติ เว้นแต่กลไกการมอบหมายจะรองรับการตีความเช่นนั้น อันดับแสดงว่ารูปแบบของหน่วยจริงผิดปกติเพียงใดภายใน donor set
Sensitivity ควรเปิดเผยการพึ่งพาทางเลือก
การวิเคราะห์ leave-one-out เอา donor ที่มีน้ำหนักเป็นบวกและมีอิทธิพลออก การเลือกหน้าต่างตัวพยากรณ์และกฎ donor แบบอื่นแสดงว่าทางเลือกเดียวสร้างผลหรือไม่
วาดน้ำหนักและข้อผิดพลาดก่อนเหตุการณ์ ไม่ใช่แค่ช่องว่างสุดท้าย หน่วยสังเคราะห์ที่แทบทั้งหมดพึ่ง donor เดียวควรได้รับการตรวจสอบเป็นพิเศษ
รุ่น augmented หรือ generalized อาจผ่อนข้อจำกัดด้านความพอดีบางอย่าง แต่เพิ่มสมมติฐานใหม่ แบบขยายที่ซับซ้อนไม่สามารถกอบกู้การออกแบบวิจัยที่ไม่ดี
เหตุการณ์ทางการเงินอาจเข้ากับการออกแบบนี้ได้ดี
กฎที่กระทบตลาดเดียวอาจเปรียบเทียบกับการผสมตลาดที่ไม่ถูกกระทบซึ่งติดตาม turnover สเปรด และความผันผวนได้ก่อนหน้า
การควบคุมเงินทุนระดับประเทศหรือการแทรกแซงธรรมาภิบาลของบริษัทก็เข้าเกณฑ์ได้ หาก donor pool เสถียรและแรงกระแทกโลกส่งผลต่อมันในลักษณะเปรียบเทียบได้
ข้อสรุปจำกัดอยู่ที่หน่วยและเหตุการณ์นั้น ไม่ได้ขยายไปยังตลาดอื่น ความเข้มของนโยบายอื่น หรือระบอบเศรษฐกิจอื่นโดยอัตโนมัติ
ทำให้ counterfactual มองเห็นได้
รายงานคุณสมบัติ donor ก่อนแสดงผลลัพธ์ น้ำหนักที่ไม่เป็นศูนย์ทั้งหมด ความสมดุลของตัวพยากรณ์ เส้นทางก่อนและหลังทั้งหมด และมาตรวัดความพอดีก่อนเหตุการณ์เป็นตัวเลข
เพิ่มช่องว่าง placebo อัตราส่วนความพอดีหลังต่อก่อน ผล leave-one-out หน้าต่างทางเลือก และ timeline ของเหตุการณ์ที่เกิดพร้อมกันกับ spillover ที่เป็นไปได้
เมื่อความพอดีก่อนเหตุการณ์อ่อน หรือหน่วยจริงอยู่นอก support ของ donor ผลลัพธ์ที่ซื่อสัตย์อาจเป็นการออกแบบนี้ไม่สามารถประมาณผลที่น่าเชื่อถือได้
คำถามที่พบบ่อย
น้ำหนักของ synthetic control ต้องรวมกันเป็นหนึ่งหรือไม่?
ในวิธีคลาสสิก โดยทั่วไปน้ำหนักไม่เป็นลบและรวมกันเป็นหนึ่ง ทำให้หน่วยสังเคราะห์อยู่ภายใน convex hull ของ donor
ความพอดีก่อนการแทรกแซงต้องดีแค่ไหน?
ไม่มีเกณฑ์สากล แต่ความพอดีต้องใกล้พอให้ counterfactual น่าเชื่อถือเมื่อเทียบกับหน่วย placebo และสเกลของการศึกษา
อันดับ placebo เหมือน p-value แบบทั่วไปหรือไม่?
ไม่โดยอัตโนมัติ อันดับบอกว่าช่องว่างของหน่วยจริงผิดปกติเพียงใดเมื่อเทียบกับการสลับ donor และต้องมีเหตุผลเรื่องการมอบหมายเพื่ออ้างความน่าจะเป็นที่เข้มแข็งขึ้น
เพิ่ม donor ที่มีอยู่ทุกตัวได้หรือไม่?
ไม่ได้ Donor ต้องเปรียบเทียบได้ในเชิงสาระ และต้องไม่ถูกกระทบจากการแทรกแซง พฤติกรรมคาดการณ์ล่วงหน้า หรือ spillover