Kademeli Farkların Farkı Yöntemi
Staggered Difference-in-Differences (Callaway-Sant'Anna / Sun-Abraham Estimators) · Ayrıca şöyle bilinir: staggered DID, staggered adoption DID, heterogeneous treatment DID, Callaway-Sant'Anna estimator, Sun-Abraham estimator, Kademeli DID (Staggered Difference-in-Differences)
Kademeli Farkların Farkı Yöntemi (Staggered Difference-in-Differences), uygulamanın farklı gruplara farklı zamanlarda sunulduğu panel tasarımları için Farkların Farkı (DID) yönteminin bir genellemesidir. Callaway ve Sant'Anna (2021) ile Sun ve Abraham (2021) tarafından modern biçimde tanıtılan bu yöntem, uygulama etkileri kohortlar arasında ve zaman içinde heterojen olduğunda klasik iki yönlü sabit etkiler (TWFE) tahmincilerinin yaşadığı yanlılığı düzeltir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Panel veya tekrarlanan zaman serisi verileriniz olduğunda ve uygulama farklı gruplar tarafından farklı zamanlarda benimsendiğinde, her bir birimin ilk uygulama tarihi bilindiğinde kademeli Farkların Farkı Yöntemi'ni kullanın. Her kohort için ayrı ayrı geçerli olması gereken bir paralel eğilimler varsayımı, soğurucu (bir kez uygulandıktan sonra uygulamanın devam ettiği) veya tersine çevrilebilirliği açıkça modellenen bir uygulama ve kontrol olarak hizmet edecek hiç uygulama görmemiş veya henüz uygulama görmemiş birimlerin mevcudiyeti gerektirir. Her kohortun yeterli olaya sahip olması için makul bir örneklem büyüklüğü (en az yaklaşık 100 gözlem) gereklidir. Uygulama zamanlaması değiştiğinde ve etkiler kohortlar arasında farklılık gösterebildiğinde klasik TWFE yerine bunu tercih edin.
Güçlü yönler & sınırlılıklar
- Heterojen, kademeli uygulama altında klasik iki yönlü sabit etkiler tahminlerini kirleten negatif ağırlıklandırma yanlılığını düzeltir.
- Her kohort ve dönem için temiz bir etki tahmin eder, bu da genel bir etkiye veya dinamik bir olay-çalışması yoluna dönüştürülebilir.
- Yalnızca geçerli karşılaştırma gruplarını (hiç uygulama görmemiş veya henüz uygulama görmemiş) kullanır, bu nedenle halihazırda uygulama görmüş birimler asla kontrol olarak yanlış kullanılmaz.
- Paralel eğilimler varsayımının her kohort için ayrı ayrı geçerli olmasını gerektirir, bu da tek bir iki gruplu tasarıma göre sağlanması daha zordur.
- Her kohortun yeterli olaya sahip olması için önemli bir örneklem büyüklüğü (yaklaşık 100 veya daha fazla gözlem) gerektirir; aksi takdirde heterojenlik düzeltmesi güvenilmez olur.
- Temiz kontrol birimlerinin mevcudiyetine bağlıdır; hiç uygulama görmemiş veya henüz uygulama görmemiş gruplar olmadan tanımlama bozulur.
SSS
Neden sadece iki yönlü sabit etkiler regresyonu kullanmıyoruz?
Heterojen etkilerle kademeli benimseme altında, TWFE örtük olarak halihazırda uygulama görmüş birimleri, daha sonra uygulama görecekler için kontrol olarak kullanır ve geçerli etkilere negatif ağırlıklar atayarak tahmini yanlı hale getirebilir veya hatta tersine çevirebilir. Kademeli Farkların Farkı tahmincileri, yalnızca temiz (hiç uygulama görmemiş veya henüz uygulama görmemiş) kontrollerle karşılaştırarak bunu önler.
Uygulama kohortu nedir?
Bir kohort, ilk kez aynı anda uygulama alan birimler kümesidir. Kohortları ilk uygulama tarihlerine göre tanımlamak, yöntemin her grup ve dönem için ayrı, temiz bir etki tahmin etmesini sağlar.
Paralel eğilimler varsayımı burada ne gerektirir?
Uygulama olmasaydı, her bir uygulama görmüş kohortun sonucunun karşılaştırma grubununkiyle paralel hareket edeceğini gerektirir. Birden fazla kohort olduğu için, bu sadece ortalama olarak değil, her kohort için ayrı ayrı geçerli olmalıdır.
Hiç uygulama görmemiş birim yoksa ne olur?
Yöntem, henüz uygulama görmemiş birimleri karşılaştırma grubu olarak kullanabilir. Bu bile mevcut değilse veya paralel eğilimler kohort başına savunulamazsa, bir olay-çalışması tasarımı veya sentetik kontrol yaklaşımı daha uygun olabilir.
Kaynaklar
- Callaway, B. & Sant'Anna, P. H. C. (2021). Difference-in-Differences with Multiple Time Periods. Journal of Econometrics, 225(2), 200-230. DOI: 10.1016/j.jeconom.2020.12.001 ↗
- Sun, L. & Abraham, S. (2021). Estimating Dynamic Treatment Effects in Event Studies with Heterogeneous Treatment Effects. Journal of Econometrics, 225(2), 175-199. DOI: 10.1016/j.jeconom.2020.09.006 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Staggered Difference-in-Differences (Callaway-Sant'Anna / Sun-Abraham Estimators). ScholarGate. https://scholargate.app/tr/causal-inference/did-staggered
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Olay Çalışması Tasarımı (Nedensel Olay Çalışması)Nedensel çıkarım↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Regresyon Kesintili Tasarımı (RDD)Nedensel çıkarım↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır