Difference-in-Differences và parallel trends

Với hai nhóm và hai giai đoạn, DiD lấy thay đổi sau-trừ-trước của nhóm được điều trị trừ thay đổi sau-trừ-trước của nhóm so sánh

Các khác biệt về mức cố định giữa các nhóm và các cú sốc thời gian chung bị triệt tiêu qua hai phép lấy chênh lệch

Mục tiêu thông thường là average treatment effect on the treated, hay ATT, không phải thay đổi trước-sau thô hoặc khoảng cách nhóm trong giai đoạn sau

Giả định này liên quan đến thay đổi trung bình của kết quả tiềm năng không điều trị, không phải xu hướng của kết quả quan sát sau khi điều trị bắt đầu

Mức kết quả không cần bằng nhau, nhưng mức phơi nhiễm khác nhau với chu kỳ kinh doanh hoặc đường đi của cú sốc trước đó có thể vi phạm parallel trends

Parallel trends có điều kiện có thể dùng các hiệp biến trước điều trị để cải thiện khả năng so sánh, trong khi kiểm soát các biến bị điều trị tác động sẽ tạo ra thiên lệch mới

Không dự đoán trước yêu cầu kỳ vọng hoặc hành động sớm không làm thay đổi kết quả trước ngày điều trị được xác định, khiến ngày thông báo và ngày triển khai trở thành hai mốc khác nhau

Nếu điều trị của một đơn vị lan sang kết quả của nhóm so sánh, nhóm đó có thể không còn đại diện cho phản thực không điều trị

Thay đổi về thành phần mẫu, đo lường kết quả hoặc phân loại nhóm có thể khiến contrast quan sát được là hiệu ứng thành phần thay vì điều trị

Event study dùng các biến chỉ báo cho thời gian tương đối với điều trị để hiển thị các hệ số trước điều trị và đường đi sau điều trị so với một giai đoạn tham chiếu

Ước tính trước điều trị gần zero có thể giúp bác bỏ các vi phạm lớn, nhưng power thấp có nghĩa là chúng không thể xác lập parallel trends

Chọn cửa sổ hoặc đặc tả cho đến khi các hệ số trước điều trị trở nên không đáng kể sẽ biến chẩn đoán thành lựa chọn, vì vậy thiết kế nên được đặt trước

Khi các nhóm áp dụng ở các ngày khác nhau, fixed effects hai chiều cổ điển kết hợp nhiều so sánh 2×2 thành một hệ số

Khi tác động thay đổi theo cohort hoặc độ dài phơi nhiễm, các đơn vị đã được điều trị có thể trở thành nhóm kiểm soát cho các đơn vị được điều trị sau và làm nhiễm các ước tính động

Các phương pháp ATT theo group-time hoặc event study có trọng số theo tương tác giữ được tính không đồng nhất bằng cách làm rõ nhóm so sánh và cách tổng hợp

Quy tắc công bố, yêu cầu vốn, thuế và quy định giao dịch có thể khác nhau giữa các công ty hoặc khu vực, trong khi sự dự đoán trước có thể bắt đầu trước khi triển khai chính thức

Chính sách có thể đến các đơn vị không điều trị thông qua đối thủ, chuỗi cung ứng, tổ chức tài chính hoặc giá, nên cần phân biệt tác động trực tiếp và tác động cân bằng

Timeline thể chế nên xác định các quy tắc đồng thời, cú sốc vĩ mô và thay đổi việc gia nhập mẫu có thể ảnh hưởng đến các nhóm khác nhau

Kết quả có tính dai dẳng có thể khiến sai số chuẩn độc lập đánh giá thấp độ bất định, vì vậy thường cân nhắc cluster ở cấp phân công điều trị

Với số cluster chính sách ít, xấp xỉ cluster thông thường không ổn định và có thể cần suy luận mẫu nhỏ cùng các ngày chính sách placebo

Hãy báo cáo quy mô và động lực tác động, khoảng đồng thời cho các hệ số trước điều trị, thành phần so sánh và trọng số tổng hợp

Xác định ai được điều trị vào khi nào và đơn vị nào làm so sánh ở từng ngày, tốt nhất là trước khi hiển thị ước tính kết quả

Trình bày cơ sở thể chế cho parallel trends, kết quả và hiệp biến trước điều trị, các so sánh thay thế, placebo và phân tích độ nhạy

Đừng dựa vào một hệ số TWFE; hãy giải thích các tác động theo cohort-time được gán trọng số thành một tóm tắt trả lời câu hỏi đã nêu thế nào