Passende Unbeliebtheit

Question

Es scheint, dass in der Wirtschaft Matching-Techniken (wie pscore, kovariates Matching, Regressionsanpassung) nicht so beliebt sind wie Selection-on-Unobservables-Techniken (wie DiD, IV).

In der Tat hatte ich kürzlich ein Papier von einem Schiedsrichter mit der Begründung abgelehnt, dass "heutzutage niemand mehr Matching verwendet".

Wenn das stimmt, warum dann? In einigen Fällen ist es nicht möglich, ein natürliches Experiment oder ein perfektes Instrument zu entwickeln, um Behandlungseffekte herauszufiltern, und daher erscheint mir das Matching attraktiv.

Answer 1

Es ist nicht wahr, dass "heutzutage niemand mehr Matching verwendet". Es ist ein bisschen zu definitiv. Siehe zum Beispiel Bilicka (2019), die kürzlich im American Economic Review veröffentlicht wurde . Ich bin sicher, dass es möglich ist, andere aktuelle Beispiele zu finden.

Es ist jedoch wahr, dass der Matching Estimator viel weniger beliebt ist als der DiD oder IV. Dies liegt daran, dass die Ergebnisse nicht immer konsistent und robust für alle Schätzer sind. Sie unterscheiden sich manchmal je nach verwendetem Schätzer (Propensity Score Matching, PSM oder Nearest Neighbour Matching, NNM) und der Art und Weise, in der die Behandlungs- und Kontrollgruppen übereinstimmen. Es ist manchmal auch schwierig, passende Proben zu erhalten, die genauso vergleichbar sind wie die in Bilickas Artikel (siehe Tabelle 1).

Als Beispiel gibt es im Journal of Econometrics eine bekannte Kontroverse , an der Rajeev Dehejia, Jeffrey Smith und Petra Todd beteiligt sind.

• Smith, Jeffrey und Petra Todd. 2005. " Überwindet Matching LaLondes Kritik an nicht experimentellen Schätzern? " Journal of Econometrics 125 (1-2): 305-353.
• Antwort von Dehejia (2005)
• Smith, Jeffrey und Petra Todd. 2005. " Gegenerwiderung ." Journal of Econometrics 125 (1-2): 365-375.
• Dehejia letzte Gedanken

Meine Empfehlungen wären

1. um genau zu sein, wie Sie zu Ihren Behandlungs- und Kontrollgruppen passen.
2. um viele Robustheitsprüfungen durchzuführen, um zu zeigen, dass Ihre Ergebnisse für einen bestimmten Schätzer, z. B. PSM oder NNM mit euklidischen oder Mahalanobis-Abständen, nicht empfindlich sind.

Viel Glück bei Ihrer erneuten Einreichung!