Książka omawia własności statystyczne metody Propensity Score Matching w małej próbie. Porównano w niej na gruncie symulacji różne estymatory łączenia wykorzystujące prawdopodobieństwo w małych próbach. Porównaniu są poddane estymatory służące do szacowania przeciętnych efektów oddziaływania (ATE) oraz przeciętnych efektów oddziaływania wobec jednostek poddanych oddziaływaniu (ATT). Dla obu efektów porównywane są estymatory wykorzystujące łączenie 1 do 1 według prawdopodobieństwa oraz wykorzystujące ważenie obserwacji odwrotnością oszacowania prawdopodobieństwa poddania oddziaływaniu (propensity score). Publikacja adresowana jest głównie do specjalistów z zakresu metod ilościowych w ekonomii, zajmujących się ilościową ewaluacją programów. Dr Paweł Strawiński jest uznanym, nie tylko w Polsce (o czym świadczą publikacje, m.in. w prestiżowym czasopiśmie «Economics of Transition»), specjalistą w omawianej dziedzinie. Znajomość autora współczesnych osiągnięć światowej statystyki i ekonometrii oraz umiejętność zastosowania ich w praktyce pozwalają przypuszczać, że książkowe wydanie omawianej pracy może stanowić cenny wkład do polskiej literatury statystyczno-ekonometrycznej, jako pierwsza monografia poświęcona estymacji przez łączenie za pomocą prawdopodobieństwa. Ważnym uzupełnieniem części teoretycznej są szczegółowo omówione przykłady empiryczne obejmujące cztery różniące się od siebie dziedziny zastosowań (wpływ szkoleń zawodowych na zarobki, wybór strategii dochodowej gospodarstw rolników, skuteczność subsydiowania miejsc pracy oraz porównanie wyników nauczania w szkołach publicznych i prywatnych) (Z recenzji dr. hab. Adama Szulca, prof. nadzw. SGH). The book discusses statistical properties of the Propensity Score Matching method in a small sample. It compares the various joining estimators using small-sample probability on the basis of simulation. The estimators used to estimate the Average Treatment Effects (ATE) and the Average Treatment Effect on the Treated (ATT) are compared.

Wprowadzenie 7 1. Efekty oddziaływania i łączenie danych 13 1.1. Wprowadzenie 13 1.2. Fundamenty analizy kontrfaktycznej 14 1.3. Łączenie danych 21 1.3.1. Statystyczna metoda łączenia 24 1.3.2. Propensity Score Matching 29 1.4. Algorytmy łączenia używające propensity score 43 1.4.1. Dobieranie najbliższego sąsiada 45 1.4.2. Ważenie odwrotnością prawdopodobieństwa 47 1.4.3. Kilka słów o weryfikacji założeń 48 1.5. Podsumowanie 52 2. Własności małopróbkowe estymatorów metody łączenia 56 2.1. Wprowadzenie 56 2.1.1. Wybór prac o własnościach małopróbkowych PSM 57 2.1.2. Wymuszanie wspólnej części przedziału określoności 60 2.1.3. Opis symulacji 62 2.1.4. Rozmiar i moc symulacji 69 2.2. Szacowanie przeciętnych efektów oddziaływania 75 2.2.1. Łączenie 1 do 1 76 2.2.2. Ważenie odwrotnością prawdopodobieństwa 90 2.3. Szacowanie przeciętnych efektów oddziaływania wobec jednostek poddanych oddziaływaniu 95 2.3.1. Łączenie 1 do 1 96 2.3.2. Ważenie odwrotnością prawdopodobieństwa 107 2.4. Podsumowanie wyników symulacji 111 3. Zastosowania Propensity Score Matching 115 3.1. Wprowadzenie 115 3.2. Oszacowanie wpływu szkoleń zawodowych na zarobki 116 3.3. Opłacalność strategii dochodowych na polskiej wsi 126 3.4. Ocena skuteczności subsydiowanych miejsc pracy 137 3.5. Prywatne a publiczne szkoły w Hiszpanii 145 3.6. Podsumowanie 151 Summary 155 Aneks. Angielsko-polski słownik terminów specjalistycznych 159 Bibliografia 163 Spis rysunków 169