Working Papers

Seria wydawnicza WNE WORKING PAPERS prowadzona jest przez WNE UW od 2008 r. i jak dotąd opublikowano w niej ponad 400 prac.

Seria WNE Working Papers służy szybkiemu upowszechnianiu wyników badań prowadzonych na Wydziale Nauk Ekonomicznych UW. Publikowane tu teksty mają charakter wersji roboczych (pre-printów): mogą być uzupełniane lub poprawiane w miarę postępu prac nad tekstem i procesu wydawniczego. Prezentujemy aktualną wersję udostępnioną przez autorów, opatrzoną datą oraz identyfikatorami DOI/ISSN – co ułatwia jej cytowanie i śledzenie kolejnych iteracji. Każdy dokument zachowuje pełne prawa autorskie swoich twórców, a w przypadku późniejszych zmian, autorzy mogą w dowolnym momencie zamieścić zaktualizowany plik lub wskazać miejsce ostatecznego wydania.

Do serii WORKING PAPERS przyjmowane są artykuły pracowników naukowych WNE UW oraz publikacje z konferencji organizowanych na WNE UW. Artykuły powinny dotyczyć ekonomii, mieć charakter oryginalnych prac badawczych, nie być wcześniej publikowane. Przyjmowane są wyłącznie teksty w języku angielskim.

Prace prosimy przesyłać e-mailem na adres: v]yYaf@OnS\FcWbe0stCi=QmVd|]#[nMlEKU~@PDB5WnZTp|j7rz2c_Ui

Prosimy przesyłać dwa pliki:

(1) główny tekst bez podania tytułu artykułu oraz autorów (plik DOC/DOCX) oraz

(2) stronę tytułową zawierającą: tytuł opracowania, autorów oraz ich afiliację (plik DOC/DOCX). 

Przed przesłaniem tekstu prosimy zapoznać się z szczegółowymi wymogami edycyjnymi.

Redaktorem wydawniczym serii Working Papers jest dr Maciej Bukowski.

Ilość wyników 1

WP(6/2010)29. Latent Variables and Propensity Score Matching

Autorzy: Jakubowski Maciej
This paper examines how including latent variables can benefit propensity score matching. A researcher can estimate, based on theoretical presumptions, the latent variable from the observed manifest variables and can use this estimate in propensity s…

WP29. Latent Variables and Propensity Score Matching

This paper examines how including latent variables can benefit propensity score matching. A researcher can estimate, based on theoretical presumptions, the latent variable from the observed manifest variables and can use this estimate in propensity score matching. This paper demonstrates the benefits of such an approach and compares it with a method more common in econometrics, where the manifest variables are directly used in matching. We intuit that estimating the propensity score on the manifest variables introduces a measurement error that can be limited when estimating the propensity score on the estimated latent variable. We use Monte Carlo simulations to test how various matching methods behave under distinct circumstances found in practice. Also, we apply this approach to real data. Using the estimated latent variable in the propensity score matching increases the efficiency of treatment effect estimators. The benefits are larger for small samples, for non-linear processes, and for a large number of the manifest variables available, especially if they are highly correlated with the latent variable.


Jakubowski Maciej
factor analysis latent variables propensity score matching
  • 1