35 Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren

Abstract

Matchingverfahren umfassen eine Klasse nichtparametrischer Verfahren zur statistischen Abschätzung kausaler Effekte mittels Beobachtungsdaten. In diesen Verfahren erfolgt die Drittvariablenkontrolle durch Konstruktion statistischer Vergleichsgruppen, die in Bezug auf relevante Hintergrundfaktoren weitgehend identisch sind. In der praktischen Anwendung dominiert das Propensity score matching, das eine einfache Vergleichsgruppenbildung innerhalb eines eindimensionalen Merkmalsraums ermöglicht. Die empirische Analyse erfolgt dabei in drei Schritten: zunächst ist ein Zuweisungsmodell zu entwickeln, das die Verteilung des Kausalfaktors in Abhängigkeit von theoretisch relevanten Kovariaten beschreibt. Über die aus dem Zuweisungsmodell vorhergesagten Propensity scores wird anschließend durch den Einsatz verschiedener Matchingalgorithmen die Balancierung der Hintergrundkovariaten in den Vergleichsgruppen der Untersuchung angestrebt. Ist diese erreicht, erfolgt die eigentliche Schätzung der interessierenden kausalen Effekte durch den nichtparametrischen Vergleich der Ereignisverteilungen in den Experimental- und Kontrollstichproben. Auf die Annahme eines vollständigen Erklärungsmodells für die abhängige Variable der Analyse wird dabei verzichtet. Matchingverfahren stellen insgesamt eine Alternative zu gängigen Regressionsmodellen dar, die kausale Effekte unter vergleichsweise sparsamen statistischen Annahmen abschätzen. Ähnlich wie in konventionellen Regressionsanalysen hängt die Validität der Effektschätzungen jedoch entscheidend davon ab, ob der kausal wirksame Faktor und die Ergebnisgröße unter Kontrolle der verfügbaren Kovariaten aus theoretischer Sicht als unabhängig betrachtet werden können.