¿Qué es el "modelo de predicción" en Dasgupta (2019)?

Question

En un documento, Dasgupta, 2019 utilizó el enfoque de diferencia en diferencia para ver si las leyes anticolusión aplicadas por diferentes países (aplicación escalonada) afectan a la flexibilidad financiera de las empresas.

Dasgupta, 2019, p.2610 utilizó un enfoque llamado " modelo de predicción "

utilizando sólo las observaciones previas a la clemencia y predecir la probabilidad de que la empresa sea condenada en el caso de cártel tras la aprobación de una ley de clemencia.

En particular, lo que hicieron es

En primer lugar, estimamos la propensión de una empresa a ser condenada en un caso de cártel. Utilizamos un modelo de predicción basado en las características variables de la empresa de la empresa (tamaño de los activos, apalancamiento y ROA), las de las empresas (tamaño de los activos, apalancamiento y ROA), las características del país (PIB y desempleo), los efectos fijos del país y los efectos fijos de la y efectos fijos de tres dígitos del SIC.

No entiendo cómo calculan el " probabilidad de que la empresa sea condenada en el caso de cártel tras la aprobación de una ley de clemencia " así mediante el uso de STATA. El único comando que puedo enlazar es " predecir ", pero parece que no funciona en este caso.

Actualización:

Según algunas sugerencias, parece que una buena manera es utilizar el modelo probit (o logit) para predecir la posibilidad mencionada. Pero no entiendo cómo podemos asignar el valor de la variable dependiente (0 y 1) en el estudio de Dasgupta.

Answer 1

No conozco este texto en concreto, pero me han pedido que lo aclare y lo haré como respuesta, aunque no utilizo estas técnicas a menudo, por lo que sin duda hay elementos importantes que he pasado por alto.

Existe un conjunto de métodos denominados métodos de puntuación de propensión. El principal problema que abordan estas técnicas es que el tratamiento no suele ser exógeno (debidamente aleatorizado): es probable que muchos grupos sean tratados debido a sus características existentes. En estas condiciones, si se estima ingenuamente el efecto del tratamiento, por ejemplo mediante DID, se estimará el efecto del tratamiento en aquellos que ya iban a ser tratados de todos modos . El coeficiente DID estimado será entonces una estimación sesgada de los efectos del tratamiento de la población en su conjunto.

El pensamiento clave de estas técnicas es estimar la probabilidad de que un grupo particular sea tratado, y luego ponderar la estimación para respaldar el impacto del tratamiento en la población en su conjunto. La forma en que se hace esto varía, recomiendo leer detenidamente el documento de Dasgupta, 2019 para las citas - seguramente mencionan directamente de dónde viene su técnica en la sección de metodología. Si se buscan otros trabajos al azar se obtendrán otras estimaciones.

Como otra nota, no conviene estimar la probabilidad de tratamiento con probit/logit y usarla como instrumento directamente - no tiene el efecto deseado (ver enfoques de función de control (CFA), o inclusión residual de 2 etapas (2SRI)).