Synthetische Kontrolle

Kurzbeschriebung

DDie Synthetische Kontrolle ist ein quasi-experimentelles kausales Verfahren, das den Effekt einer Intervention auf eine einzelne behandelte Einheit (z. B. ein Land, eine Region, ein Krankenhaus) schätzt. Statt eine einzelne Kontrollgruppe zu wählen, konstruiert SCM eine gewichtete Kombination mehrerer unbehandelter Einheiten („Donor Pool“), sodass diese vor der Intervention das Verhalten der behandelten Einheit möglichst genau reproduziert. Diese gewichtete Kombination heißt synthetische Kontrolle.

Formal werden Gewichte so optimiert, dass relevante Prä-Interventions-Merkmale (Outcome-Verläufe und Kovariaten) zwischen behandelter Einheit und synthetischer Kontrolle möglichst übereinstimmen. Nach der Intervention wird die Abweichung zwischen beobachtetem Outcome und synthetischer Kontrolle als kausaler Interventionseffekt interpretiert – unter der Annahme, dass die synthetische Kontrolle den kontrafaktischen Verlauf ohne Intervention gut approximiert.

SCM ist besonders stark, wenn parallele Trends (wie bei DiD) nicht plausibel sind oder nur eine sehr kleine Zahl behandelter Einheiten existiert. Erweiterungen (Generalized SCM, Augmented SCM) erlauben mehrere behandelte Einheiten, Regularisierung und Inferenzverbesserungen.

Anwendbarkeit im Gesundheitssektor

Im Public-Health-Bereich wird SCM häufig zur Evaluation von Politikmaßnahmen eingesetzt, etwa bei landesweiten Rauchverboten, Impfkampagnen, Lockdowns, Krankenhausreformen oder Finanzierungsänderungen, wenn nur eine Region betroffen ist. Beispiele sind Effekte auf Mortalität, Inzidenzen, Krankenhausaufnahmen oder Gesundheitsausgaben.

SCM ist besonders nützlich, wenn klassische Kontrollgruppen systematisch unterschiedlich sind oder Interventionen asynchron eingeführt werden. Die Methode ist etabliert in der Gesundheitsökonomie, der Versorgungsforschung und zunehmend in der Epidemiologie.

Sonstiges

Besonders geeignet bei einer behandelten Einheit

Inferenz meist über Placebo- und Permutationstests

Semantik

Wikidata-Identifikator ist: Q22909061

Deutsche Wikipediaseite ist: Synthetische_Kontrolle

Englische Wikipediaseite ist: Synthetic_control_method

Quelle: Abadie et al. (2010), Journal of the American Statistical Association

Behandlung von Unsicherheit in den Ergebnissen der Methode ist explizit

Für die Methode benötigte Datenmenge ist mittel

Zweck der Methode ist Kausale Analyse;Inferenz„Kausale Analyse;Inferenz“ befindet sich nicht in der Liste (Voraussage, Inferenz, Simulation, Kausale Analyse) zulässiger Werte für das Attribut „Zweck der Methode ist“.

Methode ist Mitglied der Methodenfamilie Statistisch;Kausale Inferenz„Statistisch;Kausale Inferenz“ befindet sich nicht in der Liste (Mechanistisch, Statistisch, Maschinenlernen, Tiefes Lernen, Hybrid, Kausale Inferenz, Simulation, Operationale Vorhersage, Beschreibende und erkundende Analyse, Praktisches Anwendungskonzept, ...) zulässiger Werte für das Attribut „Methode ist Mitglied der Methodenfamilie“.

Interpretierbarkeit der Ergebnisse der Methode ist gut

Webseite: https://economics.mit.edu/people/faculty/alberto-abadie