Sağlam Farkların Farkı Yöntemi
Robust Difference-in-Differences Estimator · Ayrıca şöyle bilinir: robust DiD, heterogeneity-robust DiD, staggered DiD, disaggregated ATT DiD
Sağlam Farkların Farkı Yöntemi (Robust Difference-in-Differences), tedavi zamanlamasının birimler arasında kademeli olduğu ve tedavi etkilerinin zaman içinde veya gruplar arasında heterojen olduğu durumlarda geçerliliğini korumak üzere tasarlanmış modern DiD tahmin edicileri ailesidir. Klasik iki yönlü sabit etkiler (TWFE) DiD, bu tür durumlarda ciddi şekilde yanlı olabilir; sağlam varyantlar, grup-zaman ortalama tedavi etkilerini (ATT'ler) ayrı ayrı tahmin eder ve ardından bunları teorik olarak sağlam bir şekilde birleştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tedavi kademeli olduğunda — birimler politikayı farklı zamanlarda benimsediğinde — veya tedavi etkilerinin kohortlar arasında veya benimsemeden sonra zaman içinde değiştiğinden şüphelenildiğinde sağlam DiD kullanın. Veri kümesi birden fazla tedavi kohortu içerdiğinde TWFE DiD için uygun bir alternatiftir. Her kohort için tedavi öncesi gözlemlerle panel veri (veya tekrarlanan kesitler) gerektirir. Kademeli durumlarda klasik TWFE'yi birincil tahmin edici olarak kullanmayın; tüm birimler tek bir dönemde aynı anda tedavi edildiğinde (standart DiD yeterlidir) veya panel yapısı mevcut olmadığında sağlam DiD kullanmayın.
Güçlü yönler & sınırlılıklar
- TWFE'nin negatif ağırlıklandırma sorununu önler, bu da tedavi-etkisi heterojenliği altında işaret-tersine çevrilmiş tahminler üretebilir.
- Tahminler, kohorta özgü nedensel etkilerin uygun şekilde ağırlıklandırılmış ortalamaları olarak yorumlanabilir.
- Çift sağlam formülasyon, hem sonuç modelinin hem de eğilim puanı modelinin yanlış belirtilmesine karşı koruma sağlar.
- Tedavi öncesi dönem ATT(g, t) hücrelerinin olay-çalışması grafikleri, paralel eğilimler varsayımının doğrudan, dürüst bir yanlışlama testini sunar.
- Esnek birleştirme, araştırmacıların aynı hücre tahminleri kümesinden farklı politika sorularını (ortalama etki, dinamik profil, gruba özgü) yanıtlamasına olanak tanır.
- Her kohort-dönem hücresinde yeterli gözlem gerektirir; ince hücreler kesin olmayan tahminler üretir ve birleştirme, gürültülü bir şekilde tahmin edilen hücreler tarafından domine edilebilir.
- Hiç tedavi görmemiş veya henüz tedavi görmemiş karşılaştırma grubu, geçerli kontroller olarak hizmet verecek kadar büyük olmalıdır; çok az kontrol birimine sahip tasarımlar keskin bir şekilde hassasiyet kaybeder.
- Paralel eğilimler (muhtemelen kovaryatlara bağlı olarak) her kohort için ayrı ayrı geçerli olmalıdır — klasik DiD'nin tek paralel eğilimler varsayımından daha güçlü bir gereklilik.
- Uygulama TWFE'den daha karmaşıktır ve özel yazılım (örn. R veya Stata'daki did paketi) gerektirir.
- Tedavi etkisi gerçekten homojen ve eşzamanlı olduğunda, sağlam DiD klasik DiD'ye göre bir avantaj sunmaz ve gereksiz yere karmaşık olabilir.
SSS
Klasik iki yönlü sabit etkiler DiD, kademeli benimseme ile neden yanlıdır?
TWFE, her tedavi görmüş kohort için, önceki dönemlerde zaten tedavi görmüş birimler de dahil olmak üzere mevcut tüm kontrol birimlerini kullanır. Erken tedavi görmüş birimler, daha sonra tedavi görmüş birimler için kontrol olarak kullanılır, ancak kendileri tedavi tarafından etkilenir, bu nedenle kontrol grubu kirlenir. Tedavi-etkisi heterojenliği altında bu, toplu tahminin işaretini yanlı hale getirebilecek veya hatta tersine çevirebilecek negatif ağırlıklı karşılaştırmalar üretir.
Callaway–Sant'Anna tahmin edicisi nedir?
Bu, ATT(g, t) — g kohortu için t zamanındaki ortalama tedavi etkisi — için, karşılaştırma grubu olarak yalnızca henüz tedavi görmemiş veya hiç tedavi görmemiş birimleri kullanan çift sağlam bir tahmin edicidir. Bir sonuç regresyonunu ve bir eğilim puanı modelini birleştirerek, her iki bileşenin yanlış belirtilmesine karşı koruma sağlar. Kohort-zaman tahminleri daha sonra kullanıcı tarafından belirtilen negatif olmayan ağırlıklarla birleştirilir.
Hiç tedavi görmemiş ve henüz tedavi görmemiş karşılaştırma grubu arasında nasıl seçim yaparım?
Önemli bir hiç tedavi görmemiş grup varsa, bu en temiz seçenektir çünkü bu birimler asla tedavi tarafından kirlenmez. Henüz tedavi görmemiş grup ek gözlemler kullanır ve hassasiyeti artırır ancak birimlerin tedaviyi dışsal olarak benimsediğini varsayar. Birçok panel veri kümesinde, neredeyse tüm birimler sonunda tedavi gördüğü için henüz tedavi görmemiş seçenek gereklidir.
Tek bir tedavi tarihi olan bir durumda sağlam DiD uygulayabilir miyim?
Evet, ancak bu özel durumda klasik DiD'ye indirgenir. Sağlam mekanizma, tedavi kademeli olduğunda en değerli — ve en gerekli — olanıdır. Tek bir eşzamanlı tedavi tarihi olduğunda, TWFE sağlam tahmin ediciye eşdeğerdir ve ek karmaşıklık gereksizdir.
Hangi yazılım sağlam DiD'yi uyguluyor?
Callaway ve Sant'Anna'nın did paketi R ve Stata'da mevcuttur. Stata'daki csdid komutu ve Stata'daki eventstudyinteract, Sun–Abraham yaklaşımını uygular. didimputation paketi, sağlam aileye ait başka bir üye olan Borusyak, Jaravel ve Spiess (2024) imputasyon tahmin edicisini uygular.
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 ↗
- Roth, J., Sant'Anna, P. H. C., Bilinski, A., & Poe, J. (2023). What's trending in difference-in-differences? A synthesis of the recent econometrics literature. Journal of Econometrics, 235(2), 2218-2244. DOI: 10.1016/j.jeconom.2023.03.008 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Difference-in-Differences Estimator. ScholarGate. https://scholargate.app/tr/causal-inference/robust-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
- Dinamik Farkların FarkıNedensel çıkarım↔ karşılaştır
- Heterojen Tedavi Etkisi Farkların Farkı (HTE-DiD)Nedensel çıkarım↔ karşılaştır
- Çok Dönemli Farkların Farkı (Aşamalı DiD)Nedensel çıkarım↔ karşılaştır
- Panel Veri Farkların Farkı (Panel DiD / TWFE)Nedensel çıkarım↔ karşılaştır