Relevanz des Themas
Das Matching-Verfahren wird zur Evaluation von Maßnahmeneffekten verwendet, indem Teilnehmer mit Nicht-Teilnehmern verglichen werden. Anders als bei herkömmlichen statistischen Verfahren wie der OLS-Regression erfordert das Matching keine starken Annahmen, die sich oft nicht theoretisch fundiert herleiten lassen. Zwar hatten einfache OLS-Modelle in den 1970er und 1980er Jahren aufgrund begrenzter Rechenkapazitäten durchaus ihre Berechtigung. Mit den heutigen technischen Möglichkeiten lässt sich das Matching-Verfahren jedoch in der Regel leicht implementieren.
Wichtige Resultate
Pro
Mittels Matching lassen sich kausale Effekte auch ohne starke Annahmen schätzen, was die Ergebnisse zuverlässiger macht.
Matching ermöglicht das Minimieren zweier typischer Fehlerquellen in der statistischen Schätzung: Verzerrung und Varianz.
Durch das Matching-Verfahren wird offenkundig, ob es in den Maßnahmen- und Vergleichsgruppen an Individuen mit ähnlichen Merkmalen mangelt.
Contra
Die Matching-Methode kann eine hohe Rechnerleistung erfordern.
Wie auch das OLS-Verfahren beruht Matching nach wie vor auf starken Annahmen über die Exogenität der Maßnahme, was die Zuverlässigkeit der Ergebnisse beeinträchtigt.
Im Verlauf des Matching-Verfahrens müssen immer wieder Entscheidungen getroffen werden, die die Schätzungen beeinflussen und ungenauer machen können.