Heterogeneous Treatment Effect Event Study Design (Değişken Etkili Olgu Çalışması Tasarımı)
Heterogeneous Treatment Effect Event Study Design · Ayrıca şöyle bilinir: HTE event study, heterogeneous effects event study, group-time ATT event study, dynamic HTE design
Heterogeneous Treatment Effect Event Study Design, olgu çalışması regresyonunu kullanarak tedavi etkilerinin gruplar, kohortlar veya bir tedavi olayıyla ilgili zaman içinde nasıl değiştiğini tahmin eden nedensel çıkarım çerçevesidir. Homojen bir etki varsayan klasik iki yönlü sabit etkili olgu çalışmalarının aksine, bu yaklaşım grup-zaman ortalama tedavi etkilerini (ATT'ler) açıkça modeller ve geri kazanır; bu da etkilerin tedavi edilen birimler arasında farklılaştığı durumlarda ortaya çıkan bulaşma yanlılığını ele alır.
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 verilerinizde bazı birimleri etkileyen ancak diğerlerini etkilemeyen bir politika, tedavi veya olay olduğunda ve tedavi etkisinin kohortlar, gruplar veya tedavi sonrası zamana göre değiştiğinden şüpheleniyorsanız — ki bu uygulamada gerçekçi varsayılan durumdur — bu tasarımı kullanın. Özellikle tedavi benimsenmesinin dönemler boyunca kademeli olarak uygulandığı durumlarda uygundur. Yalnızca tek bir tedavi edilmiş kohortunuz varsa ve heterojenlik beklemek için bir nedeniniz yoksa (basit bir iki dönemli DiD yeterlidir) veya paralel eğilimleri test etmek için birden fazla işlem öncesi dönemin mevcut olmadığı kadar kısa bir paneliniz varsa uygun değildir.
Güçlü yönler & sınırlılıklar
- Etkiler heterojen olduğunda, potansiyel olarak işareti tersine dönmüş TWFE ortalamaları yerine dürüst, kohorta özgü tedavi etkilerini geri kazanır.
- Paralel eğilimler heterojen olduğunda güvenilirliği korurken, tam bir dinamik olgu-çalışması profili sağlar — etkinin tedavi öncesi ve sonrası nasıl geliştiği.
- İşlem öncesi eğilim testleri her kohort için ayrı ayrı yapılır, bu da havuzlanmış bir TWFE testinden daha keskin tanımlama kontrolleri sunar.
- Toplama esnektir: araştırmacı, politika sorusuna bağlı olarak ortalama etkileri, kohort etkilerini veya takvim zamanı etkilerini hedefleyebilir.
- Kovaryantlar ve çift sağlam uzantılarla (Callaway & Sant'Anna 2021) uyumludur, paralel eğilimler varsayımının yanlış belirtilmesine karşı sağlamlık katar.
- Grup-zaman ATT'lerini hassas bir şekilde tahmin etmek için her kohort başına yeterli gözlem gerektirir; seyrek kohortlar varyansı önemli ölçüde artırır.
- Paralel eğilimler varsayımı, her tedavi edilen kohort için karşılaştırma grubuna göre geçerli olmalıdır; bu, tek kohortlu tasarımdakinden daha güçlü bir gerekliliktir.
- Toplanmış tahminler seçilen ağırlık şemasına bağlıdır; farklı toplamalar farklı temel sonuçlar verebilir, bu da şeffaf raporlama gerektirir.
- Uygulama, standart bir TWFE regresyonundan daha karmaşıktır ve özel yazılım gerektirir (örneğin, did, csdid, eventstudyinteract paketleri).
- Çok sayıda kohort ve çok sayıda dönem olduğunda, ATT(g,t) hücrelerinin sayısı hızla artar ve panel yeterince büyük değilse hassas olmayan tahminlere yol açabilir.
SSS
TWFE olgu-çalışması katsayıları, tedavi etkisi heterojenliği altında neden yanıltıcı olabilir?
Kademeli bir benimseme ortamında, TWFE, zaten tedavi edilmiş birimleri diğer tedavi edilmiş birimler için örtük kontroller olarak kullanır. Tedavi etkileri kohortlar arasında farklılaştığında veya zamanla arttığında, bu karşılaştırma geçersizdir — daha erken tedavi edilmiş birimler, katsayı tahminlerini kirleten, bazen işaretlerini tersine çeviren sıfır olmayan 'tedavi etkisi' statüsüne sahiptir.
Grup-zaman ATT nedir ve nasıl tanımlanır?
ATT(g,t), g döneminde ilk tedavi edilen kohort için ortalama tedavi etkisidir ve t zamanında ölçülür. Bu, g kohortunun sonuç eğrisini, her iki grubun da tedavi yokluğunda paralel eğilimleri izleyeceği varsayımı altında, temiz bir karşılaştırma grubunun — hiç tedavi edilmemiş veya henüz tedavi edilmemiş birimlerin — sonuç eğrisiyle karşılaştırılarak tanımlanır.
Sun-Abraham tahmin edicisi ile Callaway-Sant'Anna tahmin edicisi arasında nasıl seçim yapmalıyım?
Her ikisi de aynı grup-zaman ATT'lerini hedefler. Sun-Abraham, standart regresyon yazılımlarında uygulaması kolay, regresyon tabanlı bir etkileşim ağırlıklı yaklaşım kullanır. Callaway-Sant'Anna, çift sağlam uzantılar ve daha esnek toplama sunar. Uygulamada, sonuçlar genellikle benzerdir; seçim yazılım kullanılabilirliğine ve kovaryant ayarlamasının gerekip gerekmediğine bağlı olabilir.
Tanımlamayı değerlendirmek için hala bir işlem öncesi eğilim grafiği kullanabilir miyim?
Evet, ancak işlem öncesi eğilim grafikleri, her bir göreceli dönem katsayısının kirlenmiş bir TWFE ortalaması yerine gerçek kohorta özgü işlem öncesi eğilimleri yansıtması için heterojenlik-düzeltmeli tahmin edici kullanılarak hesaplanmalıdır — TWFE'den değil.
Ne kadar örneklem büyüklüğü gerekiyor?
Evrensel bir eşik yoktur, ancak her kohortun (g grubu) ATT(g,t)'yi makul bir hassasiyetle tahmin etmek için yeterli birime ihtiyacı vardır. Seyrek kohortlar — 20-30 birimden az — geniş güven aralıkları üretecektir. Toplam dönem ve kohort sayısı da önemlidir: daha fazla dönem ve kohort, olgu-çalışması profilinin zenginliğini artırır ancak daha büyük paneller gerektirir.
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). Heterogeneous Treatment Effect Event Study Design. ScholarGate. https://scholargate.app/tr/causal-inference/heterogeneous-treatment-effect-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