Perbedaan dalam perbedaan telah lama populer sebagai alat non-eksperimental, terutama dalam bidang ekonomi. Adakah yang bisa tolong berikan jawaban yang jelas dan non-teknis untuk pertanyaan berikut tentang perbedaan-dalam-perbedaan.
Apa yang dimaksud dengan penaksir perbedaan-dalam-perbedaan?
Mengapa penaksir perbedaan-dalam-perbedaan digunakan?
Bisakah kita benar-benar mempercayai estimasi perbedaan-dalam-perbedaan?
regression
econometrics
difference-in-difference
Graham Cookson
sumber
sumber
Jawaban:
Apa perbedaan dalam penduga perbedaan?Di Yi
Perbedaan dalam perbedaan (DID) adalah alat untuk memperkirakan efek pengobatan yang membandingkan perbedaan sebelum dan sesudah pengobatan dalam hasil pengobatan dan kelompok kontrol. Secara umum, kami tertarik untuk memperkirakan efek dari pengobatan (misalnya status persatuan, obat-obatan, dll.) Pada hasil Y i (misalnya upah, kesehatan, dll.) Seperti pada Y i t = α i + λ t + ρ D i t + X ′ i t β + ϵ i t dimana α
Secara grafis ini akan terlihat seperti ini:
Bisakah kita mempercayai perbedaan dalam perbedaan?
Asumsi yang paling penting dalam DID adalah asumsi tren paralel (lihat gambar di atas). Jangan pernah percaya pada studi yang tidak menunjukkan tren ini secara grafis! Makalah pada tahun 1990-an mungkin lolos dengan ini, tetapi saat ini pemahaman kita tentang DID jauh lebih baik. Jika tidak ada grafik yang meyakinkan yang menunjukkan tren paralel pada hasil pra-perawatan untuk kelompok perlakuan dan kontrol, berhati-hatilah. Jika asumsi tren paralel berlaku dan kami dapat secara kredibel mengesampingkan perubahan varian waktu lainnya yang dapat mengacaukan perawatan, maka DiD adalah metode yang dapat dipercaya.
Kata hati-hati lain harus diterapkan ketika datang ke pengobatan kesalahan standar. Dengan data bertahun-tahun Anda perlu menyesuaikan kesalahan standar untuk autokorelasi. Di masa lalu, ini telah diabaikan tetapi sejak Bertrand et al. (2004) "Berapa Banyak Kita Harus Percayai Estimasi Perbedaan-Dalam-Perbedaan?" kami tahu ini adalah masalah. Dalam makalah mereka memberikan beberapa solusi untuk berurusan dengan autokorelasi. Cara termudah adalah dengan mengelompokkan pada pengidentifikasi panel individual yang memungkinkan korelasi sewenang-wenang dari residu di antara rangkaian waktu individual. Ini mengoreksi baik autokorelasi dan heteroskedastisitas.
Untuk referensi lebih lanjut lihat catatan kuliah ini oleh Waldinger dan Pischke .
sumber
Wikipedia memiliki entri yang layak tentang hal ini , tetapi mengapa tidak hanya menggunakan regresi linier yang memungkinkan interaksi antara variabel bebas yang Anda minati? Ini sepertinya lebih bisa diartikan bagi saya. Kemudian Anda dapat membaca tentang analisis lereng sederhana (dalam buku Cohen et al gratis di Google Buku) jika variabel yang Anda minati adalah kuantitatif.
sumber
Ini adalah teknik yang banyak digunakan dalam ekonometrik untuk menguji pengaruh peristiwa eksogen dalam suatu rangkaian waktu. Anda memilih dua kelompok data terpisah yang berkaitan dengan sebelum dan sesudah acara dipelajari. Referensi yang baik untuk mempelajari lebih lanjut adalah buku Pengantar Ekonometrika oleh Wooldridge.
sumber
Cermat:
sumber