Lecture 9 - Litteratur Flashcards
Om vi har följande ekvation
Ydt = β0 + β1TREATd + β2(POSTt) + β3(TREATd * POSTt) + εdt
Vad betyder kan man säga att variablerna är och vad fångar β3?
Där är TREATd en dummy för behandlingsgruppen där d påminner oss vilken entitet vi kollar på (vilket distrikt t.ex). TREATd kontrollerar för fasta skillnader mellan enheterna som jämförs.
POSTt är den dummyvariabel för post-behandlingsperioderna. Där t visar att det varierar över tid. Denna variabel POSTt kontrollerar för det faktum att förhållandena förändras över tid för alla, behandlad eller inte.
TREATd * POSTt är en interaktionstermen där båda dummysarna multipliceras. Koefficienten för denna term visar den kausala DD effekten.
β3 fångar alltså den ”kausala” effekten.
Om man har fler grupper som man tittar på under lång tid där vissa kanske är viktigare än andra. Hur kan man statistiskt göra då för att ta till vara på den insikten?
Kollar man på fler grupper över lång tid kan man också använda viktade least squares och ge vissa grupper större vilket än andra. T.ex om man har några större kommuner och några mindre, kanske de större kommunerna ska ha mer vikt då är fler personer i och borde väga tyngre.
Jämför man de genomsnittliga utfallen i Y vid en DID?
Vi DID jämför man inte de genomsnittliga utfallen i Y beroende av behandling, utan man studerar skillnaderna i utfall innan och efter behandlingen för kontroll och behandlingsgruppen. På så sätt justerar man för att de olika grupperna kans skilja sig från varandra.
Vad kan man säga om β vid DID om behandlingen är slumpmässigt assignad?
Om behandlingen är slumpmässigt assignad kommer β1^diff-in-diff vara en unbiast och konsistent estimator av den kausala effekten.
Vad är det egentligen DID estimatet mäter?
DID estimatet mäter vinsten hos behandlingsgruppen relativt till kontrollgruppen. DID ränsar bort initiala skillnader i Y mellan grupperna.
