Alle optiegidsen
Bouw een tegenwicht voor veranderingen rond een beleid18 min.

Verschil in verschillen en parallelle trends

Begrijp het 2×2 DiD contrast, parallelle onbehandelde resultaten, event studies, pretrend tests, gespreide adoptie, heterogene effecten, en financiële beleid toepassingen.

Samengesteld door Mark · Primaire bronnen hieronder

Direct antwoord

Verschil-in-verschillen trekt de verandering van de vergelijkingsgroep over dezelfde periode af van de verandering van de behandelde groep voor-naar-na, het verwijderen van vaste groepverschillen en gemeenschappelijke tijdschokken. De causale kern is parallelle trends in onbehandelde potentiële uitkomsten: afwezige behandeling, gemiddelde resultaten in beide groepen zou zijn veranderd langs dezelfde weg. Soortgelijke pretrends zijn nuttige diagnostiek, maar kunnen niet bewijzen dat contra-existentie. Met gespreide goedkeuring, klassieke twee-weg vaste-effecten coëfficiënten kunnen heterogene effecten mengen door ongeldige vergelijkingen.

DiD vergelijkt een verschil in veranderingen

Met twee groepen en twee perioden trekt DiD de verandering van de vergelijkingsgroep na min-voor af van de verandering na min-voor.

De verschillen in vaste niveaus tussen groepen en gemeenschappelijke tijdschokken worden door de twee verschillen opgeheven.

De gebruikelijke doelstelling is het gemiddelde behandelingseffect op de behandelde, of ATT, niet een ruwe voor-na-verandering of een groepskloof na de periode.

Parallelle trends zijn een ongeziene teller [51]

De veronderstelling betreft gemiddelde onbehandelde potentiële-uitkomstveranderingen, niet de trend van waargenomen resultaten na het begin van de behandeling.

De resultaten hoeven niet gelijk te zijn, maar verschillende blootstelling aan bedrijfscycli of eerdere schokroutes kunnen parallel trends schenden.

Voorwaardelijke parallelle trends kunnen gebruik maken van covarianten voor de behandeling om de vergelijkbaarheid te verbeteren, terwijl controle voor variabelen die door behandeling worden beïnvloed, nieuwe vooroordelen creëert.

Andere identificatievoorwaarden zijn ook van belang

Geen anticipatie vereist verwachtingen of vroegtijdige actie om de resultaten niet te wijzigen vóór de vastgestelde behandelingsdatum, waardoor aankondiging en implementatiedata onderscheiden.

Indien de behandeling van één eenheid overloopt in vergelijkingsresultaten, mag die groep niet langer een onbehandelde contrafeitelijke waarde vertegenwoordigen.

Veranderingen in de samenstelling van de monsters, resultatenmeting of groepsclassificatie kunnen het waargenomen contrast eerder een samenstellingseffect dan een behandeling maken.

Evenementenstudies tonen dynamiek en voorpatronen

In een voorvalstudie worden indicatoren gebruikt voor de tijd t.o.v. de behandeling om de voorbehandelingscoëfficiënten en het pad na de behandeling te tonen tegen een referentieperiode.

Voorbehandelingsschattingen van bijna nul kunnen helpen grote schendingen te weerleggen, maar een laag vermogen betekent dat ze geen parallelle trends kunnen vaststellen.

Het kiezen van vensters of specificaties totdat precoëfficiënten onbelangrijk worden verandert een diagnose in selectie, dus het ontwerp moet van tevoren worden ingesteld.

Vertraging van adoptie bemoeilijkt de vergelijkingen

Wanneer groepen op verschillende data aannemen, combineren klassieke tweerichtingsvaste effecten meerdere 2×2 vergelijkingen in één coëfficiënt.

Met effecten die variëren per cohort of blootstellingslengte, kunnen reeds behandelde eenheden controles worden voor later behandelde eenheden en dynamische schattingen besmetten.

Groepstijd ATT of interactiegewogen event-studiemethoden behouden heterogeniteit door vergelijkingsgroepen en aggregatie expliciet te maken.

Financiële beleidsmaatregelen zijn gevoelig voor timing en spillovers

De regels inzake openbaarmaking, kapitaalvereisten, belastingen en handelsregels kunnen per onderneming of regio verschillen, terwijl anticipatie kan beginnen voordat de formele uitvoering ervan begint.

Beleid kan onbehandelde eenheden bereiken via concurrenten, toeleveringsketens, financiële instellingen of prijzen, die een onderscheid moeten maken tussen directe en evenwichtseffecten.

In een institutionele tijdlijn moeten naast elkaar staande regels, macroschokken en veranderingen in de steekproefinvoer worden vastgesteld die groepen anders kunnen beïnvloeden.

Invloed moet de beleidsafhankelijkheid weerspiegelen

Persistente resultaten kunnen onafhankelijke standaardfouten maken onderstate onzekerheid, dus clustering wordt vaak overwogen op het niveau van de behandelingstoewijzing.

Met weinig beleidsclusters zijn gewone clusterasymptotica instabiel en kunnen kleine steekproefinferenties en beleidsdata van placebo nodig zijn.

Rapporteren effect grootte en dynamiek, gelijktijdige intervallen voor precoëfficiënten, vergelijking compositie, en aggregatiegewichten.

Maak de teller tardibel

Bepaal wie wordt behandeld wanneer en welke eenheden op elke datum als vergelijking dienen, bij voorkeur voordat de resultaten worden weergegeven.

Presenteer institutionele ondersteuning voor parallelle trends, resultaten en covarianten, alternatieve vergelijkingen, placebo's en gevoeligheidsanalyses.

Vertrouw niet op één TWFE-coëfficiënt; leg uit hoe cohort-tijd effecten worden gewogen in een samenvatting die de gestelde vraag beantwoordt.

Veelgestelde vragen

Vereisten parallelle trends gelijke uitkomstniveaus?

Nee. Het vereist dat de gemiddelde onbehandelde resultaten van de groepen dezelfde veranderingsweg hebben gevolgd zonder behandeling.

Zijn de niet-significante voorbehandelingscoëfficiënten parallel aan de ontwikkeling?

Nee. Ze diagnostiseren een aantal grote overtredingen maar kunnen een laag vermogen hebben, en de nabehandeling teller onopgemerkt blijft.

Kan ik gewone TWFE gebruiken met gespreide behandeling?

Het is eenvoudiger onder constante effecten, maar heterogeniteit kan al behandelde eenheden vergelijkingen voor latere cohorten doen besmetten.

Op welk niveau moeten standaard fouten in DiD worden geclusterd?

Meestal waar behandeling wordt toegewezen en fouten co-beweging, terwijl ook rekening wordt gehouden met het aantal clusters en andere afhankelijkheid dimensies.

Bronnen en verder lezen

Snelle check

De gids gelezen? Test jezelf met 3 vragen

1 / 3

Vraag 01

Welke verklaring past het beste bij deze gids . . DiD vergelijkt een verschil in veranderingen?

Kies een antwoord om de uitleg te zien

Optiewoordenlijst