Dinamik Farkların Farkı
Dynamic Difference-in-Differences Estimator · Ayrıca şöyle bilinir: Dynamic DiD, Staggered DiD, Event-time DiD, Heterogeneous-timing DiD
Dinamik Farkların Farkı (DiD), klasik DiD çerçevesini, birimlerin uygulamayı farklı zamanlarda benimsediği durumlara genişletir. Tüm varyasyonu tek bir 2x2 karşılaştırmaya indirgemek yerine, her bir benimseme kohortu için her bir takvim döneminde grup-zaman ortalama tedavi etkilerini tahmin eder ve ardından bunları olay zamanı boyunca nedensel etkinin yorumlanabilir özetlerine dönüştürür.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+17 tane daha
Ne zaman kullanılır
Tedavi birimler arasında farklı zamanlarda benimsendiğinde (kademeli uygulama) ve tedavi etkilerinin kohortlar arasında heterojen olduğundan veya olay zamanı boyunca değiştiğinden şüpheleniyorsanız Dinamik DiD kullanın. Ayrıca, ön-eğilimleri resmi olarak test etmek ve görselleştirmek istediğinizde veya tek bir ortalama etkiden ziyade olay-zaman profillerini kurtarmak daha önemli olduğunda da uygundur. En azından bazı kohortlar için birden fazla tedavi öncesi ve sonrası döneme sahip panel verileri gerektirir. Tüm birimler aynı anda tedavi edildiğinde (standart DiD yeterlidir), kohort başına yalnızca bir tedavi öncesi dönem olduğunda (paralel eğilimler test edilemez) veya panelin dinamik yolları anlamlı bir şekilde izlemek için çok kısa olduğunda kullanmayın.
Güçlü yönler & sınırlılıklar
- Tedavi etkileri kohortlar veya olay zamanı boyunca heterojen olduğunda TWFE regresyonu tarafından üretilen kirli ağırlıklı ortalamadan kaçınır.
- Etkilerin oluşup oluşmadığını, stabilize olup olmadığını veya azalıp azalmadığını gösteren olay-zaman profillerini kurtarır — standart DiD'nin sağlayamayacağı bilgiler.
- Paralel-eğilimler doğrulamasını sonradan akla gelen bir şey olarak ele almak yerine, yerleşik resmi bir ön-eğilim testi sağlar.
- Araştırma sorusuna uygun olarak kohorta özgü, takvim zamanı veya genel özetlere esnek birleştirme sağlar.
- R did ve Stata csdid gibi yaygın olarak kullanılan, iyi belgelenmiş yazılım paketlerinde uygulanmıştır.
- Her bir benimseme kohortu içinde yeterli örneklem büyüklüğü gerektirir; zayıf kohortlar, birleştirilmiş sonuçlara hakim olan kesin olmayan ATT(g,t) tahminleri verir.
- Paralel eğilimleri test etmek için kohort başına birden fazla tedavi öncesi döneme ihtiyaç duyar; tek bir tedavi öncesi dönem, temel varsayımı test edilemez bırakır.
- TWFE'den kavramsal ve hesaplama açısından daha talepkardır, kontrol grubu tanımı ve birleştirme ağırlıkları hakkında bilinçli seçimler gerektirir.
- Tanımlama hala koşullu paralel eğilimlere dayanır; kohortlar arasında farklılık gösteren gözlemlenmeyen zamanla değişen karıştırıcı faktörler tahminleri geçersiz kılar.
- Hiç tedavi görmemiş bir grup olmadığında ve tüm birimler sonunda tedaviyi benimsediğinde, henüz tedavi görmemiş karşılaştırma grubu zamanla küçülür ve sonraki olay dönemlerinde belirsizliği artırır.
SSS
Dinamik DiD, standart bir olay-çalışması regresyonundan nasıl farklıdır?
Standart bir olay-çalışması, TWFE regresyonuna bir tedavi kuklasının öncü ve gecikmelerini ekler, ancak yine de zaten tedavi görmüş birimleri daha sonra benimseyen kohortlar için kontrol olarak kullanır, bu da etkiler heterojen olduğunda her katsayıyı yanlı hale getirebilir. Dinamik DiD, her karşılaştırmayı, her kohort-zaman hücresi için temiz kontrol gruplarıyla — hiç tedavi görmemiş veya henüz tedavi görmemiş birimler — açıkça sınırlar ve bu kirliliği ortadan kaldırır.
Hiç tedavi görmemiş bir gruba ihtiyacım var mı?
Şart değil. Callaway ve Sant'Anna, kontrol grubunun ya hiç tedavi görmemiş birimler ya da henüz tedavi görmemiş birimler olmasına izin verir. Eğer her birim sonunda tedaviyi benimserse, henüz tedavi görmemiş karşılaştırma kullanılır, ancak bu havuz zamanla küçülür ve geç benimseyenler erken benimseyenlerden sistematik olarak farklılaşıyorsa endişelere yol açabilir.
Birleştirme ağırlıklarını nasıl seçerim?
Seçim araştırma sorusunu takip etmelidir. Genel bir özet ATT için, kohort büyüklüğü ve tedavi sonrası maruz kalma ile ağırlıklandırın. Olay-zaman dinamikleri için, her ufukta kohortlar üzerinden ATT(g,t) ortalamasını alın. Gruba özgü etkiler için, kohort düzeyindeki ortalamaları rapor edin. R did paketi ve Stata csdid, her üçünü de tek bir argümanla uygular.
Tedavi etkileri kohortlar arasında homojen olursa ne olur?
Etkiler kohortlar ve olay zamanı boyunca gerçekten sabit olduğunda, TWFE ve Dinamik DiD aynı tahmini üretir. Dinamik DiD yaklaşımı bu durumda zararlı değildir — sadece daha muhafazakardır — ancak ek karmaşıklık gereksizdir. TWFE eleştirisi yalnızca heterojenlik altında geçerlidir.
Dinamik DiD ikili bir sonuçla kullanılabilir mi?
Evet. ATT(g,t) çerçevesi parametrik değildir ve sürekli bir sonuç gerektirmez; farklardaki ortalama potansiyel sonuçları karşılaştırır. Standart DiD'nin ikili sonuçları ele almasına benzer şekilde, doğrusal bir olasılık yorumu uygulanır.
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 3). Dynamic Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/tr/causal-inference/dynamic-difference-in-differences
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Panel Veri Farkların Farkı (Panel DiD / TWFE)Nedensel çıkarım↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Sentetik Kontrol Yöntemi (SCM)Nedensel çıkarım↔ karşılaştır