J'ai une question sur l'approche des différences dans les différences avec l'équation standard suivante: où Treat est une variable fictive pour le groupe et le poste traités.
Maintenant, ma question est simple: pourquoi la plupart des articles utilisent-ils encore des variables de contrôle supplémentaires? Je pensais que si l'hypothèse de tendance parallèle est correcte, nous ne devrions pas avoir à nous soucier de contrôles supplémentaires. Je ne pouvais penser qu'à 2 raisons possibles pour lesquelles utiliser des variables de contrôle:
- sans eux, les tendances ne seraient pas parallèles
- parce que la spécification DnD attribue toute différence de tendance entre le traitement et le groupe témoin au moment du traitement à l'intervention (c.-à-d. le terme d'interaction traiter * après) - lorsque nous ne contrôlons pas les autres variables, le coefficient de l'interaction peut être dépassé - / discret
Quelqu'un pourrait-il faire la lumière sur cette question? Mes raisons 1) ou 2) ont-elles un sens? Je ne comprends pas bien l'utilisation des variables de contrôle en DnD.
Réponses:
Oui c'est vrai. Il peut y avoir des tendances spécifiques à l'unité dont vous ne tenez pas compte, sauf si vous ajoutez des variables variant dans le temps au modèle.
Même si l'hypothèse des tendances parallèles est satisfaite sans variables supplémentaires, l'ajout de variables supplémentaires peut augmenter la précision de vos estimations, tout comme dans d'autres régressions. Je pense que cela fait partie de ce que Michael Chernick a en tête.
La plupart du temps, Econometrics inoffensif a une discussion intéressante qui peut être utile. Voir notamment pages 236-37.
la source
Parfois, lorsque nous examinons un effet du traitement en calculant la différence sur la réponse après le traitement ou le prétraitement, nous disons que le patient agit comme son propre contrôle. Le but de fournir un groupe témoin est de tenir compte de ce que l'on appelle l'effet placebo. Parfois, il peut y avoir un changement positif même si le traitement n'est pas appliqué. L'effet que nous voulons déterminer est donc l'augmentation moyenne au-dessus de «l'effet placebo».
la source
Oui, vos deux points ont du sens. Pour voir une dérivation de deux saveurs différentes de modèles diff-in-diff, vous pouvez voir mes diapositives de conférence sur le sujet .
la source
Poursuivant la réponse de Michael, vous voulez fournir autant de preuves que possible que E [u | traiter] = 0. C'est une hypothèse et jamais directement vérifiable, mais vous voulez donner autant de confiance aux lecteurs que vous avez pensé pourquoi peut tenir. L'ajout de contrôles commence effectivement à décomposer u. Et, certains contrôles peuvent ne pas atteindre tout ce que vous souhaitez, mais peuvent vous donner une idée du type de choses dont vous pourriez ne pas avoir à vous soucier. Par exemple, si vous aviez un contrôle pour le QI, cela pourrait aider à apaiser les inquiétudes des variables omises sur la capacité.
la source