3.7 Propensity Score MatchingIn add

3.7 Propensity Score Matching
In addition to the study to investigate the influence of HA on disclosure and information asymmetry, through regressions, as highlighted in sections 3.4 and 3.5, this research will also resort to the propensity score matching technique, known as PSM, in order to investigate the causal effect of HA on disclosure and information asymmetry.
Propensity score is the conditional probability of exposure to some treatment, given a vector of observed covariables (Rosenbaum & Rubin, 1983). To identify the causal effect, however, a problem may be caused. The outcome variable to analyze the causal effect – for this research we have DDI and DAFA – it is observed, in a year i, by one or another case where the company has or does not have HA, but it is never seen in both cases for the same company in a given year i. It is understood that, according to the counterfactual theory of causation, the ideal might be to analyze the same company in similar contexts, but differing only in the treatment circumstance, in this case having HA or not.

ผลลัพธ์ (ไทย) 1:

3.7 นิสัยชอบคะแนนตรงกันนอกเหนือจากการศึกษาเพื่อตรวจสอบอิทธิพลของ HA ในการเปิดเผยข้อมูลและความไม่สมดุล ผ่าน แสดงเป็นการเน้นในส่วนที่ 3.4 และ 3.5 งานวิจัยนี้จะยังมีรีสอร์ทคะแนนกลั่นที่รู้จัก PSM เพื่อตรวจสอบผลเชิงสาเหตุของ HA ในการเปิดเผยข้อมูลและความไม่สมดุล เทคนิคการจับคู่ นิสัยชอบคะแนนคือ ความน่าเป็นมีเงื่อนไขของการรักษาบางอย่าง กำหนดเวกเตอร์ของสังเกต covariables (Rosenbaum & Rubin, 1983) ระบุสาเหตุผล อย่างไรก็ตาม ปัญหาอาจเกิดขึ้น ตัวแปรผลการวิเคราะห์เชิงสาเหตุที่มีผล – สำหรับงานวิจัยนี้ เรามี DDI และฟา – มันเป็นที่สังเกต ในปี โดยผมหนึ่ง หรืออีกกรณีที่บริษัทมี หรือไม่มี HA แต่มันไม่เคยเห็นทั้งสองกรณีสำหรับบริษัทเดียวกันในปีนั้น ๆ ฉัน มันเป็นที่เข้าใจว่า ตามทฤษฎี counterfactual สาเหตุ อุดมคติอาจวิเคราะห์บริษัทเดียวกันในบริบทที่คล้ายกัน แต่แตกต่างกันเฉพาะในสถานการณ์การรักษา มี HA ในกรณีนี้ หรือไม่

ผลลัพธ์ (ไทย) 2:

3.7 นิสัยชอบคะแนนจับคู่
นอกจากนี้การศึกษาในการตรวจสอบอิทธิพลของ HA ในการเปิดเผยข้อมูลและความไม่สมดุลข้อมูลผ่านการถดถอยที่เป็นไฮไลต์ในส่วนที่ 3.4 และ 3.5 การวิจัยนี้จะรีสอร์ทเพื่อเทคนิคเอนเอียงคะแนนการจับคู่เป็นที่รู้จัก PSM ในการสั่งซื้อ เพื่อศึกษาผลกระทบเชิงสาเหตุของ HA เกี่ยวกับการเปิดเผยข้อมูลและความไม่สมดุล.
คะแนนนิสัยชอบเป็นน่าจะเป็นเงื่อนไขของการเปิดรับการรักษาบางอย่างที่กำหนดเวกเตอร์ของ covariables สังเกต (Rosenbaum และรูบิน, 1983) เพื่อแจ้งผลสาเหตุ แต่ปัญหาอาจจะเกิดขึ้น ตัวแปรผลการวิเคราะห์ผลกระทบเชิงสาเหตุ - สำหรับการวิจัยนี้เรามี DDI และ DAFA - มันเป็นที่สังเกตในปีที่หนึ่งโดยหนึ่งหรืออีกกรณีหนึ่งที่ บริษัท มีหรือไม่มี HA แต่มันก็ไม่เคยเห็นในทั้งสองกรณี สำหรับ บริษัท เดียวกันในปีที่ได้รับผม เป็นที่เข้าใจว่าเป็นไปตามทฤษฎี counterfactual สาเหตุเหมาะอาจจะมีการวิเคราะห์ บริษัท เดียวกันในบริบทที่คล้ายกัน แต่ต่างกันเพียงในกรณีการรักษาในกรณีนี้มี HA หรือไม่

ผลลัพธ์ (ไทย) 3:

3.7 ความโน้มเอียงคะแนนที่ตรงกันนอกเหนือไปจากการศึกษาเพื่อศึกษาอิทธิพลของ ฮา เกี่ยวกับการเปิดเผยข้อมูลไม่สมมาตร โดยสังกะสีที่เน้นในส่วน 3.4 และ 3.5 งานวิจัยนี้จะยังใช้คะแนนความโน้มเอียงการจับคู่เทคนิคที่เรียกว่า PSM , เพื่อศึกษาผลกระทบของการเปิดเผยข้อมูลเกี่ยวกับสาเหตุ ฮาและไม่สมมาตร .คะแนนหกคือ ความน่าจะเป็นมีเงื่อนไขของการเปิดรับการรักษาบางอย่าง ให้สังเกตเวกเตอร์ covariables ( โรเซนบอม & Rubin , 1983 ) ระบุผลกระทบ สาเหตุ อย่างไรก็ตาม ปัญหาอาจเกิดจาก . ผลของตัวแปร วิเคราะห์สาเหตุ และผลวิจัยนี้เราได้พบและ DDI Dafa จำกัด ในปีที่ฉันโดยหนึ่งหรืออีกคดีหนึ่งที่ บริษัท มี หรือ ไม่มี ฮา แต่มันก็ไม่เคยเห็นในทั้งสองกรณี บริษัท เดียวกันในปีหนึ่งผมก็เข้าใจอย่างนั้น ตามทฤษฎี counterfactual ซึ่งกันและกัน อุดมคติอาจจะวิเคราะห์บริษัทเดียวกันในบริบทที่คล้ายกัน แต่แตกต่างกันในสถานการณ์การรักษาในกรณีนี้มีฮาหรือไม่