Синтетичний контроль

економетричний метод аналізу даних

Синтетичний контроль (англ. Synthetic control method, SCM) — економетричний метод аналізу даних у рамках причинно-наслідкової моделі Рубіна[en], що дозволяє проводити каузальну інференцію[en] в порівняльних кейс-стаді. Метод спрямований на оцінення результатів досліджуваного впливу (наприклад, економічної реформи) на прикладі невеликої кількості кейсів за допомогою моделювання їхніх кількісних показників у гіпотетичній ситуації, де впливу не було, на основі обмеженого кола схожих контрольних спостережень за допомогою присвоєння цим змінним певних ваг.

Порівняння реального добробуту жителів ФРН після об'єднання з НДР у 1990 та гіпотетичного, якби об'єднання не відбулося, з опорою на дані інших країн ОЕСР[1].

Формальне виведенняРедагувати

Розглянемо  -й регіон, або якийсь інший об'єкт спостереження, причому  , де   — число регіонів, серед яких 1 зазнав досліджуваної дії, а інші   — ні і є контрольною групою (їх сукупність називають «пулом донорів», англ. donor pool), за період часу  , де  .

Нехай досліджувана дія відбулася в період  , де  , і тоді   — число періодів до дії. Позначимо відгук показника в регіоні   в період часу   за відсутності досліджуваної дії через  , а за її наявності —  . Припустимо, що за  ,  : до настання досліджуваної дії, вона не впливає на відгук у вибраному регіоні. Також припустимо, що дія, яка мала місце в розглянутому регіоні, не впливає на регіони з контрольної групи. Ефект досліджуваної дії позначимо як   . Оскільки дія має місце тільки в   і  , метою синтетичного контролю є визначення  , де   — власне, показник, що спостерігається в розглянутому регіоні, а   — неспостережуваний відгук, який можна подати як таку факторну модель:

 

де   — загальний для всіх регіонів фактор,   — вектор спостережуваних, незалежних від дії коваріат,   — вектор їхніх оцінених для даної вибірки регіонів коефіцієнтів,   — вектор неспостережуваних латентних факторів,   — вектор відповідних їм факторних навантажень і   — специфічності, або шум. Цю модель можна переписати у вигляді:

 

де   — це  -те значення вектора  , такого, що  . Метод синтетичного контролю полягає у підборі такого набору ваг  , що за  ,   (тобто до дії ваги зберігають спостережуване значення відгуку незмінним) і   (і при цьому ці ваги дозволяють точно моделювати коваріати регіону, що розглядається, через кваріати регіонів контрольної групи). У літературі показано, що, якщо відхилення специфічностей   незначні за даного  , розміру періоду до дії,  , тобто різниця між модельованим, неспостережуваним відгуком без дії і зваженим, але спостережуваним за його присутності, в таких умовах мізерна. Відповідно, пропонується така оцінка ефекту дії ( )[2]:494-495:

 

Оптимізація алгоритмуРедагувати

З обчислювальної точки зору, розрахунок шуканих ваг пов'язаний із мінімізацією за вектором ваг   норми  , де   — вектор значень коваріатів для досліджуваного регіону до моменту  , а   — матриця значень коваріатів для контрольних регіонів. Незалежно від вибору дослідником додатноозначеної матриці  , оптимізована норма розкривається як  [2]:496.

Для того, щоб отримати кінцеве значення  , проводять зовнішню оптимізацію за параметром   з використанням коефіцієнта дисконтування  , що підвищує вагу недавніх спостережень Цю оптимізацію можна описати так:  , де   — вектор мінімальних ваг, отриманий на попередньому етапі[3]:616.

Статистична значущість результатівРедагувати

Визначення статистичної значущості одержаних оцінок можна провести різними способами. У статті 2003 року, що оцінює вплив тероризму та інших проявів політичного насильства на економіку Країни Басків, розрахований ефект піддали так званому плацебо-тесту (placebo test), що полягав у застосуванні ідентичного алгоритму синтетичного контролю до Каталонії, яка також відома значним сепаратистським рухом, але не мала проблем, пов'язаних із терористичними проявами цього руху[4].

Плацебо-тести в літературі, яка використовує метод синтетичного контролю, є прикладом непараметричних пермутаційних тестів. Моделювання синтетичного відгуку для всіх контрольних кейсів у вибірці дозволяє в явному вигляді працювати з імовірнісним розподілом і перевіряти нульову гіпотезу про відсутність казуальних ефектів у кейсі. При цьому немає необхідності асимптотично наближати розподіл цих ефектів у контрольних кейсів до того чи іншого розподілу, що робить тести подібного типу пермутаційними[5].

Синтетичний контроль як метод передбаченняРедагувати

У літературі запропоновано використовувати синтетичний контроль не лише для оцінки причинно-наслідкових зв'язків, але й для побудови прогнозів. У рамках пілотного дослідження була спроба спрогнозувати економічне зростання в США, однак «пул донорів», використовуваний для отримання ваг, складався вже не з країн зі схожими характеристиками, а з показників економічного зростання з певним часовим лагом[3]:616.

Синтетичний контроль та інші методиРедагувати

Синтетичний контроль поєднує елементи інших каузальних статистичних методів: різниці різниць[en] і метчингу[en].

У порівнянні з різницею різниць синтетичний контроль пропонує упорядкованішу процедуру підбору ваг для спостережень із контрольної групи, використовує більший часовий проміжок перед дією і вимагає в ході підбору ваг максимально можливого наближення характеристик контрольної групи до характеристик досліджуваного об'єкта.

Метод синтетичного контролю має низку спільних рис із лінійною регресією. Так і синтетичний контроль, і регресійний аналіз припускають лінійну комбінацію ваг і змінних (в останньому ваги, як правило, називають регресійними коефіцієнтами), причому сума ваг дорівнює 1. Основною відмінністю є те, що в синтетичному контролі значення цих ваг належать  , тоді як у регресійному аналізі такого обмеження немає і коефіцієнти практично не інтерпретуються як ваги[1]:498-499. Так контрфактуальну Німеччину з дослідження 2015 року[1] «синтезовано» на підставі подушного ВВП, рівня інвестицій, торговельної відкритості, кількості шкіл і частки промисловості в доданому продукті Австрії (42 %), США (22 %), Японії (16 %), Швейцарії (11 %) і Нідерландів (9 %)[6].

Симуляції показали, що панельний метод Сяо (фіксовані ефекти з ефектами взаємодії) для дослідження каузальних ефектів є менш робастним до зміни в пулі донорів, ніж синтетичний контроль, хоча використання обох підходів дає задовільні результати. Зазначалося, що синтетичний контроль є кращим, якщо дослідник має дані за додаткові часові періоди[7]:1001[8].

ЗастосуванняРедагувати

Галузь застосування методу синтетичного контролю охоплює дослідження політики у сфері охорони здоров'я[9], кримінологія[10], політичну науку[1], різні розділи економіки.

У політології синтетичний контроль розглядається як компроміс між конвенціональними кількісними і якісними методами, що дозволяє поєднувати фокус на одному або декількох кейсах зі строгими критеріями їх підбору. За допомогою цього методу вивчалися: об'єднання Німеччини для власне ФРН[1], наслідки федеративної реформи в Бельгії[en] для витрат на соціальне забезпечення[11].

У географії синтетичний контроль використовують у дослідженнях антропогенних ландшафтів (у рамках розгляду земельних систем[en])[12]:513.

У статистичних пакункахРедагувати

Існують пакунки статистичного програмного забезпечення для аналізу даних за допомогою методу синтетичного контролю. Для мови R розроблено пакунок Synth[13].

Див. такожРедагувати

ПриміткиРедагувати

  1. а б в г д Abadie A., Diamond A., Hainmueller J. Comparative Politics and the Synthetic Control Method // American Journal of Political Science. — 2015. — Т. 59, № 2. — С. 495–510. — DOI:10.1111/ajps.12116.
  2. а б Abadie A., Diamond A., Hainmueller J. Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California’s Tobacco Control Program // Journal of the American Statistical Association. — 2010. — Т. 105, № 490. — С. 493-505. — DOI:10.1198/jasa.2009.ap08746.
  3. а б Klößner S.,Pfeifer G. Outside the box: using synthetic control methods as a forecasting technique // Applied Economics Letters. — 2017. — Т. 25, № 9. — С. 615-618. — DOI:10.1080/13504851.2017.1352071.
  4. Abadie A., Gardeazabal J. The Economic Costs of Conflict: A Case Study of the Basque Country // American Economic Review. — 2003. — Т. 93, № 1. — С. 112–132. — DOI:10.1257/000282803321455188.
  5. Hahn J., Shi R. Synthetic Control and Inference // Econometrics. — 2017. — Т. 5, № 4. — С. 52. — DOI:10.3390/econometrics5040052.
  6. Klößner S., Kaul A., Pfeifer G., Schieler M. Comparative politics and the synthetic control method revisited: a note on Abadie et al. (2015) // Swiss Journal of Economics and Statistics. — 2018. — Т. 154, № 1. — DOI:10.1186/s41937-017-0004-9.
  7. Gardeazabal J., Vega‐Bayo A. An Empirical Comparison Between the Synthetic Control Method and HSIAO et al.'s Panel Data Approach to Program Evaluation // Journal of Applied Econometrics. — 2017. — Т. 32, № 5. — С. 983-1002. — DOI:10.1002/jae.2557.
  8. Gobillon L., Magnac T. Regional Policy Evaluation: Interactive Fixed Effects and Synthetic Controls // The Review of Economics and Statistics. — 2016. — Т. 98, № 3. — С. 535-551. — DOI:10.1162/rest_a_00537.
  9. Kreif N., Grieve R., Hangartner D., Turner A.J., Nikolova S., Sutton M. Examination of the Synthetic Control Method for Evaluating Health Policies with Multiple Treated Units // Health Economics. — 2016. — Т. 25, № 12. — С. 1514–1528. — DOI:10.1002/hec.3258.
  10. Saunders J., Lundberg R., Braga A.A., Ridgeway G., Miles J. A Synthetic Control Approach to Evaluating Place-Based Crime Interventions // Journal of Quantitative Criminology. — 2014. — Т. 31, № 3. — С. 413–434. — DOI:10.1007/s10940-014-9226-5.
  11. Arnold T., Stadelmann‐Steffen I. How federalism influences welfare spending: Belgium federalism reform through the perspective of the synthetic control method // European Journal of Political Research. — 2017. — № 56. — С. 680-702. — DOI:10.1111/1475-6765.12196.
  12. Meyfroidt P. Approaches and terminology for causal analysis in land systems science // Journal of Land Use Science. — 2015. — Т. 11, № 5. — С. 501-522. — DOI:10.1080/1747423X.2015.1117530.
  13. Abadie A., Diamond A., Hainmueller J. Synth: An R Package for Synthetic Control Methods in Comparative Case Studies // Journal of Statistical Software. — 2011. — Т. 42, № 13. — DOI:10.18637/jss.v042.i13.