Mekansal Olay Çalışması Tasarımı
Spatial Event Study Design · Ayrıca şöyle bilinir: spatial event study, geographic event study, spatial dynamic DiD, place-based event study
Mekansal olay çalışması tasarımı, coğrafi bir şokun veya politikanın dinamik nedensel etkilerini, etkilenen konumların zaman içinde etkilenmeyen konumlara göre nasıl evrildiğini çizerek tahmin ederken, mekansal yayılmaları ve coğrafi birimler arası otokorelasyonu açıkça hesaba katar. Bölgesel ve kentsel ekonomide yer temelli politikaları, ticaret şoklarını ve yerel işgücü piyasası müdahalelerini değerlendirmek için yaygın olarak kullanılır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Coğrafi birimler üzerinde panel verileriniz olduğunda, coğrafyaya veya yerel endüstri karışımına dayalı olarak birimleri değişen yoğunlukta etkileyen açıkça tarihlenmiş bir şok veya politikanız olduğunda ve tek bir ortalama yerine dinamik (dönemden döneme) nedensel etkileri tahmin etmek istediğinizde mekansal olay çalışması tasarımını kullanın. Özellikle komşu birimler arasında yayılmaların olası olduğu durumlarda — ticaret şokları, çevre düzenlemeleri, altyapı yatırımı veya hastalık yayılımı — uygundur. Coğrafi birimler büyük ölçüde bağımsız olduğunda (yayılmalar ihmal edilebilir ve mekansal otokorelasyon yok), yalnızca tek bir olay öncesi ve sonrası döneminiz olduğunda (bunun yerine standart DiD kullanın) veya şok zamanlaması yerel koşullara içsel olduğunda, bu tanımlama stratejisini zayıflattığı için kullanmayın.
Güçlü yönler & sınırlılıklar
- Tek bir ortalama etki yerine, etkilerin anlık, gecikmeli veya kalıcı olup olmadığını ortaya koyarak tedavi etkilerinin tam dinamik bir resmini sunar.
- Coğrafi birimler arasındaki mekansal karşılıklı bağımlılığı açıkça hesaba katarak geçerli standart hatalar sağlar ve yayılma kaynaklı yanlılığı düzeltir.
- Olay öncesi eğilim grafiği, paralel eğilimler varsayımının şeffaf bir görsel testini sunarak güvenilirliği ve tekrarlanabilirliği artırır.
- İkili bir tedavi edilmiş/tedavi edilmemiş sınıflandırması gerektirmek yerine sürekli tedavi yoğunluğunu (örn. yerel endüstri maruziyet payları) barındırır.
- Coğrafi tanımlayıcıların mevcut olduğu ve kesitsel boyutun zengin olduğu büyük idari veri setleri için çok uygundur.
- Araştırmacının takdirini ve seçilen mesafe metriğine veya bitişiklik tanımına duyarlılığı içeren bir mekansal ağırlık matrisi oluşturmayı ve gerekçelendirmeyi gerektirir.
- Tanımlama, coğrafi maruziyetteki dışsal varyasyona dayanır; etkilenen birimler, olay öncesi eğilimlerde etkilenmeyenlerden sistematik olarak farklılık gösteriyorsa, tahminler yanlıdır.
- Birçok zaman dilimi ve coğrafi birimle, model özellikle mekansal hata veya mekansal gecikme düzeltmeleri tahmin edilirken hesaplama açısından yoğun hale gelebilir.
- Yayılma düzeltmeleri karmaşıklık katar ve Conley standart hataları için seçilen bant genişliğine duyarlı olabilir.
- Coğrafi birimler arasında kademeli tedavi zamanlaması, çok dönemli durumda iki yönlü sabit etkilerden kaynaklanan yanlılığı önlemek için ek tahminciler (örn. heterojenliğe dayanıklı DiD) gerektirir.
SSS
Mekansal olay çalışması, standart bir olay çalışmasından nasıl farklıdır?
Standart bir olay çalışması, birimleri bağımsız olarak ele alır ve ortak bir tedavi etkisi yörüngesi tahmin eder. Mekansal varyant, mekansal bir ağırlık matrisi aracılığıyla coğrafi birimler arasındaki bağımlılığı açıkça modeller, mekansal otokorelasyon için standart hataları ayarlar ve genellikle ikili bir tedavi göstergesi yerine sürekli bir coğrafi maruziyet ölçüsü kullanır.
Hangi mekansal ağırlık matrisini kullanmalıyım?
Yaygın seçenekler ikili bitişiklik (komşular bir sınırı paylaşır), ters mesafe veya ekonomik mesafedir (örn. ikili ticaret akışları). Evrensel olarak doğru bir seçim yoktur; anahtar, yayılmaların işlediği kanal temelinde teorik gerekçelendirme ve alternatif matrisler kullanılarak yapılan hassasiyet kontrolleridir.
Bu yöntemi kademeli tedavi zamanlaması ile kullanabilir miyim?
Evet, ancak tedavi zamanlaması birimler arasında değiştiğinde standart iki yönlü sabit etkiler olay çalışması tahmincileri yanlı olabilir. Kademeli mekansal ortamda Callaway ve Sant'Anna (2021) veya Sun ve Abraham (2021) tarafından önerilenler gibi heterojenliğe dayanıklı tahminciler kullanılmalıdır.
Ne kadar örneklem büyüklüğü gerekiyor?
Sabit bir eşik yoktur, ancak güvenilir mekansal otokorelasyon testleri ve kararlı sabit etkiler tahminleri genellikle en az 50-100 coğrafi birim ve birkaç olay öncesi ve sonrası dönem gerektirir. Çok küçük kesitler mekansal düzeltmeleri kararsız hale getirir.
Sonuçları nasıl raporlarım?
Güven aralıkları ile birlikte tam olay çalışması katsayı grafiğini (olaya göre zamana karşı beta_k), olay öncesi eğilim test istatistiğini, mekansal otokorelasyon testini (kalıntılar üzerinde Moran's I), seçilen ağırlık matrisini ve kümeleme yaklaşımını ve alternatif ağırlık spesifikasyonları ile sağlamlık kontrollerini raporlayın.
Kaynaklar
- Autor, D. H., Dorn, D., & Hanson, G. H. (2013). The China Syndrome: Local Labor Market Effects of Import Competition in the United States. American Economic Review, 103(6), 2121-2168. DOI: 10.1257/aer.103.6.2121 ↗
- Kline, P. (2012). The Impact of Juvenile Curfew Laws on Arrests of Youth and Adults. American Law and Economics Review, 14(1), 44-67. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Spatial Event Study Design. ScholarGate. https://scholargate.app/tr/causal-inference/spatial-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
- Mekansal Farkların Farkı (Mekansal DiD)Nedensel çıkarım↔ karşılaştır
- Mekansal Regresyon Kesinti Tasarımı (Mekansal RDD)Nedensel çıkarım↔ karşılaştır