Difference-in-Differences dan Tren Paralel
Pahami kontras DiD 2×2, outcome potensial tanpa treatment yang paralel, event study, pengujian pretrend, adopsi bertahap, efek heterogen, dan penerapan kebijakan keuangan
Jawaban langsung
Difference-in-differences mengurangkan perubahan kelompok pembanding pada periode yang sama dari perubahan sebelum-ke-sesudah kelompok treatment, sehingga perbedaan kelompok yang tetap dan guncangan waktu bersama terhapus. Inti kausalnya adalah tren paralel pada outcome potensial tanpa treatment: tanpa treatment, outcome rata-rata kedua kelompok akan berubah mengikuti jalur yang sama. Pretrend yang tampak serupa merupakan diagnostik yang berguna tetapi tidak dapat membuktikan kontrafaktual itu. Dengan adopsi bertahap, koefisien fixed effects dua arah klasik dapat mencampur efek heterogen melalui perbandingan yang tidak valid
DiD membandingkan perbedaan dalam perubahan
Dengan dua kelompok dan dua periode, DiD mengurangkan perubahan pascadikurangi-praperiode kelompok pembanding dari perubahan pascadikurangi-praperiode kelompok treatment
Perbedaan level tetap antar kelompok dan guncangan waktu bersama saling menghapus melalui dua pengurangan
Target yang biasanya dituju adalah average treatment effect on the treated, atau ATT, bukan perubahan sebelum-sesudah mentah atau kesenjangan kelompok pada periode setelahnya
Tren paralel adalah kontrafaktual yang tidak terlihat
Asumsi ini menyangkut perubahan rata-rata outcome potensial tanpa treatment, bukan tren outcome teramati setelah treatment dimulai
Level outcome tidak harus sama, tetapi paparan berbeda terhadap siklus bisnis atau jalur guncangan sebelumnya dapat melanggar tren paralel
Tren paralel bersyarat dapat menggunakan kovariat sebelum treatment untuk memperbaiki keterbandingan, sedangkan mengontrol variabel yang dipengaruhi treatment menciptakan bias baru
Kondisi identifikasi lain juga penting
Tanpa antisipasi mensyaratkan ekspektasi atau tindakan awal tidak mengubah outcome sebelum tanggal treatment yang ditentukan, sehingga tanggal pengumuman dan pelaksanaan harus dibedakan
Jika treatment pada satu unit menyebar ke outcome kelompok pembanding, kelompok itu mungkin tidak lagi mewakili kontrafaktual tanpa treatment
Perubahan komposisi sampel, pengukuran outcome, atau klasifikasi kelompok dapat membuat kontras yang diamati menjadi efek komposisi, bukan efek treatment
Event study menunjukkan dinamika dan pola sebelum treatment
Event study menggunakan indikator waktu relatif terhadap treatment untuk menampilkan koefisien sebelum treatment dan jalur pascatreatment terhadap periode referensi
Estimasi sebelum treatment yang mendekati nol dapat membantu menyangkal pelanggaran besar, tetapi kekuatan rendah berarti estimasi itu tidak dapat menetapkan tren paralel
Memilih jendela atau spesifikasi sampai koefisien sebelum treatment menjadi tidak signifikan mengubah diagnostik menjadi seleksi, sehingga desain harus ditetapkan sebelumnya
Adopsi bertahap memperumit perbandingan
Ketika kelompok mengadopsi pada tanggal berbeda, fixed effects dua arah klasik menggabungkan banyak perbandingan 2×2 menjadi satu koefisien
Dengan efek yang berubah menurut kohort atau lama paparan, unit yang sudah ditreatment dapat menjadi kontrol bagi unit yang ditreatment belakangan dan mencemari estimasi dinamis
ATT group-time atau metode event study berbobot interaksi mempertahankan heterogenitas dengan membuat kelompok pembanding dan agregasi menjadi eksplisit
Kebijakan keuangan sensitif terhadap waktu dan spillover
Aturan pengungkapan, persyaratan modal, pajak, dan regulasi perdagangan dapat berbeda antarperusahaan atau wilayah, sementara antisipasi dapat dimulai sebelum pelaksanaan formal
Kebijakan dapat menjangkau unit tanpa treatment melalui pesaing, rantai pasok, lembaga keuangan, atau harga, sehingga efek langsung dan keseimbangan harus dibedakan
Garis waktu institusional harus mengidentifikasi aturan bersamaan, guncangan makro, dan perubahan masuknya sampel yang dapat memengaruhi kelompok secara berbeda
Inferensi harus mencerminkan ketergantungan tingkat kebijakan
Outcome yang persisten dapat membuat standard error independen meremehkan ketidakpastian, sehingga clustering sering dipertimbangkan pada tingkat penetapan treatment
Dengan sedikit cluster kebijakan, asimtotik cluster biasa tidak stabil dan dapat memerlukan inferensi sampel kecil serta tanggal kebijakan placebo
Laporkan ukuran efek dan dinamikanya, interval simultan untuk koefisien sebelum treatment, komposisi pembanding, dan bobot agregasi
Buat kontrafaktual dapat diaudit
Definisikan siapa yang ditreatment kapan dan unit mana yang menjadi pembanding pada setiap tanggal, sebaiknya sebelum menampilkan estimasi outcome
Sajikan dukungan institusional untuk tren paralel, outcome dan kovariat sebelum treatment, pembanding alternatif, placebo, dan analisis sensitivitas
Jangan bergantung pada satu koefisien TWFE; jelaskan bagaimana efek cohort-time diberi bobot menjadi ringkasan yang menjawab pertanyaan yang dinyatakan
Pertanyaan umum
Apakah tren paralel mengharuskan level outcome sama?
Tidak. Tren paralel mengharuskan outcome tanpa treatment rata-rata kedua kelompok mengikuti jalur perubahan yang sama jika treatment tidak ada
Apakah koefisien sebelum treatment yang tidak signifikan membuktikan tren paralel?
Tidak. Koefisien itu mendiagnosis sebagian pelanggaran besar tetapi dapat memiliki kekuatan rendah, dan kontrafaktual pascatreatment tetap tidak terlihat
Dapatkah saya menggunakan TWFE biasa dengan treatment bertahap?
Metode itu lebih sederhana di bawah efek konstan, tetapi heterogenitas dapat membuat unit yang sudah ditreatment mencemari perbandingan untuk kohort berikutnya
Pada tingkat mana standard error DiD harus di-cluster?
Biasanya pada tingkat treatment ditetapkan dan error bergerak bersama, sambil mempertimbangkan jumlah cluster dan dimensi ketergantungan lain