Dinamik Olay Çalışması Tasarımı
Dynamic Event Study Design (Lead-Lag Specification) · Ayrıca şöyle bilinir: dynamic DiD, lead-lag event study, relative-time event study, event-time regression
Dinamik olay çalışması tasarımı, standart farkların farkı (DiD) çerçevesini, her bir dönemdeki tedavi etkilerini olaydan önceki ve sonraki her dönemde tahmin ederek, her şeyi tek bir tedavi sonrası katsayıda toplamak yerine genişletir. Lider ve gecikme katsayılarını göreceli olay zamanına göre çizerek, araştırmacılar aynı anda önceden var olan eğilimleri test edebilir ve nedensel etkinin birden çok tedavi sonrası dönemde nasıl geliştiğini izleyebilir.
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 verileriniz olduğunda, bilinen zamanlamaya sahip açıkça tanımlanmış bir tedavi olayı olduğunda ve (a) ön eğilimler aracılığıyla paralel eğilimler varsayımını ampirik olarak doğrulamak veya (b) etkilerin hemen ortaya çıkıp çıkmadığını veya zamanla gelişip gelişmediğini belgelemek istediğinizde dinamik bir olay çalışması kullanın. Özellikle politika etkisinin firmalar adapte oldukça solup solmadığını veya yaygınlaştıkça büyüyüp büyümediğini değerlendirirken, etki dinamiklerinin özsel olarak önemli olduğu durumlarda en değerlidir. Yalnızca iki zaman periyodunuz olduğunda (statik DiD yeterlidir), tedavi tarihleri tamamen bilinmediğinde veya birden çok göreceli zaman hücresini yeterli hassasiyetle tahmin etmek için panel uzunluğu çok kısa olduğunda kullanmayın. Kademeli benimseme ayarlarında, heterojen tedavi zamanlamasının ciddi şekilde yanıltıcı tahminler üretebileceği için, kohort düzeltmeleri olmadan naif havuzlanmış spesifikasyondan kaçının.
Güçlü yönler & sınırlılıklar
- Ön tedavi lider katsayıları aracılığıyla paralel eğilimlerin görsel bir yanlışlama testini sağlar.
- Tek bir DiD katsayısının yakalayamayacağı nedensel etkilerin zaman yolunu - başlangıç, zirve, kalıcılık veya tersine dönme - ortaya çıkarır.
- Düzeltmelerle (Sun-Abraham, Callaway-Sant'Anna) kademeli benimseme ayarları için geçerlidir ve yanlı olmayan kohort-zaman ATT'leri verir.
- Esnektir: araştırmacılar aşırı göreceli zaman hücrelerini kırpabilir, uzak gecikmeleri gruplandırabilir ve beklenti etkilerini test edebilir.
- En iyi ampirik dergilerde ana DiD tahminine güvenilirliği artıran bir ek olarak yaygın olarak kabul edilmiştir.
- Her birim için birden çok tedavi öncesi ve sonrası dönemi doldurmak için yeterli panel uzunluğu gerektirir; kısa paneller hassas olmayan şekilde tahmin edilmiş gecikme katsayıları verir.
- Kademeli tedavi zamanlamasıyla, naif OLS spesifikasyonu kohort etkilerini karıştırır ve tedavi etkileri heterojen ise yanlı tahminler üretir - ek tahmin ediciler gerektirir.
- Küçük hücre içi örneklem boyutlarına sahip birçok göreceli zaman hücresi standart hataları şişirir ve istatistiksel gücü azaltır.
- Yöntem, geçerli hiç tedavi görmemiş veya henüz tedavi görmemiş kontrol birimleri yoksa karşı olguyu kurtaramaz.
- Aşırı lider ve gecikmeler için gruplandırma seçimleri, tahmin edilen olay çalışması grafiğinin şeklini anlamlı şekilde etkileyebilecek araştırmacı serbestlik dereceleridir.
SSS
Dinamik bir olay çalışması, standart bir DiD'den nasıl farklıdır?
Standart DiD, tüm tedavi sonrası dönemleri tek bir kuklaya toplar ve tek bir tedavi etkisi tahmini üretir. Dinamik olay çalışması, o kuklayı tam bir göreceli zaman gösterge setiyle değiştirerek her lider ve gecikme için ayrı bir tahmin verir. Bu, ön eğilimleri kontrol etmenize ve etkilerin zaman yolunu izlemenize olanak tanır.
Kademeli tedavi zamanlaması neden sorunlara neden olur ve ne düzeltir?
Birimler farklı takvim zamanlarında tedavi edildiğinde, iki yönlü sabit etkiler tahmin edicisi örtük olarak erken tedavi edilen birimleri daha sonra tedavi edilenler için kontrol olarak kullanır. Tedavi etkileri kohortlar arasında farklılık gösterirse veya zamanla artarsa, bu örtük karşılaştırmalar olumsuz ağırlıklandırılabilir ve tahminleri yanlı hale getirebilir. Sun-Abraham etkileşim ağırlıklı tahmin edicisi ve Callaway-Sant'Anna grup-zaman ATT yaklaşımı, etkileri kohortlar içinde tahmin ederek ve ardından toplayarak bunu düzeltir.
Baseline olarak hangi dönemi hariç tutmalıyım?
Geleneksel seçim K = -1'dir (tedaviden bir dönem önce). K = 0 veya farklı bir dönemi hariç tutmak, tüm katsayı çizimini kaydırır ve ön eğilim resmini bozar. Beklenti etkilerinden şüpheleniliyorsa - birimlerin resmi tarihten önce davranışı değiştirmesi - baseline'ı K = -2 veya daha ileriye kaydırın.
Hiç tedavi görmemiş birimlerle nasıl başa çıkarım?
Hiç tedavi görmemiş birimler ideal karşılaştırma grubudur, çünkü herhangi bir tedavi kirliliğinden uzaktırlar. Tüm birimler sonunda tedavi edilirse, her göreceli zaman hücresinde henüz tedavi edilmemiş birimleri kontrol olarak kullanabilirsiniz, ancak tahminler o zaman ek varsayıma dayanır: tedavi etkileri henüz tedavi edilmemiş birimleri kirletmez (yayılma yok).
Güvenilir bir test için kaç tedavi öncesi döneme ihtiyacım var?
Standart olarak en az iki ila üç tedavi öncesi dönem gereklidir, bu da görsel ve resmi bir ortak teste olanak tanır. Daha fazla ön dönem, ihlalleri tespit etmek için gücü artırır. Panel kısaysa, yalnızca bir kullanılabilir ön döneme sahip olabilirsiniz, bu da paralel eğilimleri güvenilir bir şekilde test etme yeteneğinizi sınırlar.
Kaynaklar
- 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 ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dynamic Event Study Design (Lead-Lag Specification). ScholarGate. https://scholargate.app/tr/causal-inference/dynamic-event-study-design
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
- Dinamik Farkların FarkıNedensel çıkarım↔ karşılaştır
- Panel Olay ÇalışmasıNedensel çıkarım↔ karşılaştır