ŁĄCZENIE DANYCH Z DYNAMICZNYM OBCIĘCIEM. WYNIKI WSTĘPNE

• Authors: Paweł Strawiński

Title variants

EN

MATCHING WITH DYNAMIC CALIPER. PRELIMINARY RESULTS

• Languages of publication: PL EN

Abstracts

EN

The evaluation problem is a problem of missing data. Henceforth, the important issue is construction of adequate counterfactuals. In this arcicle modification of procedute that accepts observation as a good counterfactual is proposed. The proposed novelty is a change in the mechanism of observation comparision between treated and control group. I the last section the simulation results are presented. The simulation concerns statistical properties of proposed mechanism. The obtained results indicate that our method is capable of providing better results than technoques that are conterporary used.

Problem ewaluacji działań jest problemem brakujących danych. Zatem ważnym zagadnieniem jest konstrukcja adekwatnej kontrfaktycznej grupy porównawczej. W artykule zaproponowane modyfikację procedury pozwalającej uznać obserwację za dobrze dobrany stan kontrfaktyczny. Proponowana zmiana polega na wprowadzeniu nowego mechanizmu sprawdzania czy jednostka z grupy kontrolnej jest bliskim odpowiednikiem jednostki z grupy porównawczej. W ostatniej części artykułu zaprezentowano wyniki symulacji badającej właściwości statystyczne proponowanego rozwiązania. Uzyskane wyniki wskazują, że metoda pozwala osiągnąć lepsze rezultaty niż dotychczas wykorzystywane techniki.

Keywords

PL

łączenie danych; matching; propensity score; caliper; ewaluacja

EN

matching; propensity score; caliper; evaluation

• Publisher: Katedra Ekonometrii i Statystyki, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
• Journal: Metody Ilościowe w Badaniach Ekonomicznych
• Year: 2009
• Volume: 10
• Issue: 1
• Pages: 232-242

Contributors

author

Paweł Strawiński

• Katedra Statystyki i Ekonometrii UW

References

• Blundell R., Costa-Diás M. (2000) “Evaluation Methods for Non-Experimental Data”, Fiscal Studies, vol. 21/4, str. 427-468.
• Caliendo M., Kopeinig S. (2008) „Some Practical Guidance for the Implementation of Propensity Socre Matching”, Journal of Economic Surveys
• Cochrane, Rubin (1973) “Controling Bias in Observational Studies. A Review”, Sankhya, vol. 35, str 417-466.
• Hahn J. (1998) “On the Role of the Propensity Score in the Efficient Semiparamet-ric Estimation of Average Treatment Effects”, Econometrica, vol. 66/2, str. 315-331.
• Heckman J., Ichimura H., Todd P. (1997) “Matching as an Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme”, The Review of Economic Studies, vol. 64/4, str. 605-654.
• Hirano K., Imbens G., Ridder G. (2003) “Efficient Estimation of Average Treat-ment Effects Using the Estimated Propensity Score”, Econometrica vol. 71/4, str. 1161-1189.
• Lee M-J. (2005) “Micro-Econometrics for Policy, Program, and Treatment Ef-fects”, Oxford University Press.
• Rosenbaum P., Rubin D. (1983) „The Central Role of the Propensity Score in Ob-servational Studies for Causal Effects“, Biometrika, vol. 70/1, str 41-55.
• Rubin D. (1973) “Matching to Remove Bias in Observational Studies”, Biometrics, vol. 29, str. 159-183.
• Smith J., Todd P. (2005) “Does Matching Overcome LaLonde’s Critique of nonex-perimental estimators?”, Journal of Econometrics, vol. 125, str. 305-353.
• Strawiński P. (2007) “Przyczynowość, selekcja i endogeniczne oddziaływanie”, Przegląd Statystyczny nr 4/2007, str. 49-61.