Matching

Question 1

Hvad er intuitionen i matching?

Answer 1

Matching er en metode, der forsøger at skabe balance på observerbare kovariate mellem en treatment og kontrolgruppe i ikke-eksperimentel data → forsøger at tilstræbe sig antagelsen om ens potentielle outcomes.

Question 2

Hvilke variable skal man matche på?

Answer 2

Samme tankegang som kontrol

• De variable, der skaber selektionsbias.
• Altså variable, der påvirker både X og Y.

Question 3

Hvilke metoder kan man bruge til at matche?

Answer 3

Exact matching: Man finder et præcist match til hver enkelt enhed. Selvfølgelig ideelt, men svært i praksis.
Mange enheder vil ikke kunne finde et match.

Propensity score

Lineær propensity scores

Question 4

Hvad er propensity score matching?

Answer 4

Propensity score: den mest anvendte metode. Summerer alle kovariaterne sammen til én skala: sandsynligheden for at blive treated givet værdierne kovariaterne.

Vi sammenligner så folk med ens propensity scores (sandsynligheden for at blive treatet) –> svarer i en hvis grad til et mini-eksperiment (i hvert fald ift. de observerbare kovariater).

Question 5

Antagelsen om common support

Answer 5

Distributionen på kovariater for både treatment og kontrolgruppe skal gerne være ens –> ellers ender du med at basere dine resultater på ekstrapoleret data.

Jo bedre common-support/overlap jo mindre modelafhængighed har du → hvilket er godt.

Question 6

Hvordan kan man forstå matching som en pre-processing teknik?

Answer 6

En måde at “trimme” sin data på: Man kan bruge matching til at fjerne observationer, hvor der ikke er common support.

Dette gør vores efterfølgende estimationer mindre modelafhængige.

Question 7

Hvilke fordele har matching som metode?

Answer 7

Matchings fordele ift. andre metoder (fx regression med kontrol, instrumentvariable)

• Matching kan være et brugbart værktøj at kombinere dine regressioner med kontrol.
• Matching kan highlighte områder/værdier på kovariate, hvor der ikke er tilstrækkeligt overlap mellem treatment og kontrolgruppe, og hvor estimater derfor baserer sig på ekstrapolering.

Question 8

Er matching bedre end vanilla kontrol?

Answer 8

Nej - ikke ift. at estimere kausale effekter.

Det er stadig de samme antagelser, der skal være opretholdt: fuldstændigt fravær af selektionsbias på uobserverbare variable, når vi har kontrolleret for observerbare. Dvs. at vores treatment er så godt som tilfældigt tildelt –> urealistisk!

MEN: matching har fordele ift. at vise os, hvor vores data er ekstrapoleret.