Difference-in-Differences e trend paralleli

Con due gruppi e due periodi, la DiD sottrae la variazione post meno pre del gruppo di confronto dalla variazione post meno pre del gruppo trattato

Le differenze fisse di livello tra gruppi e gli shock temporali comuni si annullano attraverso le due differenze

L'obiettivo consueto è l'effetto medio del trattamento sui trattati, o ATT, non una variazione grezza prima-dopo né un divario tra gruppi nel periodo post

L'ipotesi riguarda le variazioni medie degli esiti potenziali senza trattamento, non il trend degli esiti osservati dopo l'inizio del trattamento

I livelli degli esiti non devono essere uguali, ma una diversa esposizione ai cicli economici o ai percorsi di shock precedenti può violare i trend paralleli

I trend paralleli condizionati possono usare covariate pre-trattamento per migliorare la comparabilità, mentre controllare variabili influenzate dal trattamento crea un nuovo bias

L'assenza di anticipazione richiede che aspettative o azioni precoci non alterino gli esiti prima della data di trattamento definita, rendendo distinte la data dell'annuncio e quella dell'attuazione

Se il trattamento di un'unità si riversa sugli esiti del gruppo di confronto, quel gruppo potrebbe non rappresentare più un controfattuale senza trattamento

Variazioni nella composizione del campione, nella misurazione dell'esito o nella classificazione dei gruppi possono rendere il contrasto osservato un effetto di composizione anziché del trattamento

Uno studio degli eventi usa indicatori per il tempo relativo al trattamento allo scopo di visualizzare i coefficienti pre-trattamento e il percorso post-trattamento rispetto a un periodo di riferimento

Stime pre-trattamento vicine a zero possono aiutare a escludere violazioni ampie, ma la bassa potenza non può stabilire l'esistenza di trend paralleli

Scegliere finestre o specifiche finché i pre-coefficienti diventano non significativi trasforma una diagnosi in selezione, quindi il disegno dovrebbe essere fissato in anticipo

Quando i gruppi adottano la politica in date diverse, gli effetti fissi classici a due vie combinano più confronti 2×2 in un unico coefficiente

Quando gli effetti variano per coorte o durata dell'esposizione, le unità già trattate possono diventare controlli per le unità trattate più tardi e contaminare le stime dinamiche

I metodi ATT gruppo-tempo o gli studi degli eventi ponderati per interazione preservano l'eterogeneità rendendo espliciti i gruppi di confronto e l'aggregazione

Regole di disclosure, requisiti patrimoniali, imposte e regolamenti di negoziazione possono variare tra imprese o regioni, mentre l'anticipazione può iniziare prima dell'attuazione formale

Le politiche possono raggiungere unità non trattate attraverso concorrenti, catene di fornitura, istituzioni finanziarie o prezzi, rendendo necessario distinguere gli effetti diretti da quelli di equilibrio

Una cronologia istituzionale dovrebbe identificare regole concomitanti, shock macro e cambiamenti nell'ingresso del campione che potrebbero influenzare i gruppi in modo diverso

Esiti persistenti possono far sì che errori standard indipendenti sottostimino l'incertezza, quindi spesso si considera il clustering al livello di assegnazione del trattamento

Con pochi cluster di politica, le asintotiche ordinarie dei cluster sono instabili e possono richiedere inferenza su piccoli campioni e date placebo della politica

Riporta ampiezza dell'effetto e dinamiche, intervalli simultanei per i pre-coefficienti, composizione del confronto e pesi di aggregazione

Definisci chi è trattato e quando, e quali unità fungono da confronto a ciascuna data, preferibilmente prima di mostrare le stime degli esiti

Presenta il supporto istituzionale ai trend paralleli, esiti e covariate pre-trattamento, confronti alternativi, placebo e analisi di sensibilità

Non affidarti a un unico coefficiente TWFE; spiega come gli effetti per coorte e tempo vengono ponderati in un riepilogo che risponde alla domanda dichiarata