Impopularité correspondante

Question

Il semble qu'en économie, les techniques d'appariement (telles que pscore, appariement de covariables, ajustement de régression) ne sont pas aussi populaires que les techniques de sélection sur non observables (comme DiD, IV).

En effet, j'ai récemment fait rejeter un article par un arbitre au motif que "personne n'utilise la correspondance de nos jours".

Si c'est vrai alors, pourquoi? Dans certains cas, il n'est pas possible de proposer une expérience naturelle ou un instrument parfait pour démêler les effets du traitement, et donc la correspondance me semble attrayante.

Answer 1

Il n'est pas vrai que "personne n'utilise la correspondance de nos jours". C'est un peu trop définitif. Par exemple, voir Bilicka (2019) qui a récemment publié dans l' American Economic Review . Je suis sûr qu'il est possible de trouver d'autres exemples récents.

Il est vrai cependant que l'estimateur d'appariement est beaucoup moins populaire que le DiD ou IV. En effet, les résultats ne sont pas toujours cohérents et robustes d'un estimateur à l'autre. Ils diffèrent parfois selon l'estimateur utilisé (appariement du score de propension, PSM ou appariement du plus proche voisin, NNM) et de la façon dont les groupes de traitement et de contrôle sont appariés. Il est également parfois difficile d'obtenir des échantillons appariés qui soient aussi comparables que ceux de l'article de Bilicka (voir son tableau 1).

Par exemple, il y a une controverse bien connue dans le Journal of Econometrics , impliquant Rajeev Dehejia, Jeffrey Smith et Petra Todd.

• Smith, Jeffrey et Petra Todd. 2005. «La correspondance l'emporte-t-elle sur la critique de LaLonde des estimateurs non expérimentaux? » Journal of Econometrics 125 (1-2): 305-353.
• Réponse de Dehejia (2005)
• Smith, Jeffrey et Petra Todd. 2005. « Rejoinder ». Journal of Econometrics 125 (1-2): 365-375.
• Pensées finales de Dehejia

Mes recommandations seraient

1. pour être très précis sur la façon dont vous faites correspondre vos groupes de traitement et de contrôle.
2. pour fournir de nombreux contrôles de robustesse pour montrer que vos résultats ne sont pas sensibles à un estimateur particulier, par exemple, PSM ou NNM avec des distances euclidiennes ou de Mahalanobis.

Bonne chance avec votre nouvelle soumission!