[論文レビュー] Decomposing Triple-Differences Regression under Staggered Adoption

Anton Strezhnev|arXiv (Cornell University)|Jul 6, 2023

Global trade and economics被引用数 6

ひとこと要約

この論文は、段階的導入下での三重差分推定量（TDR）を分解し、複数の2×2×2三重差分項が組み合わさっていることを示している。これらには、処置群を含む可能性のある場面的差分（placebo DiD）も含まれる。効果の同質性が強くない限り、TDRはグループ・タイム平均処置効果を特定できないことを示し、複雑なマルチスラット設計において有効な特定を保証するため、重力モデルを用いた反実仮想補完を提唱する。

ABSTRACT

The triple-differences (TD) design is a popular identification strategy for causal effects in settings where researchers do not believe the parallel trends assumption of conventional difference-in-differences (DiD) is satisfied. TD designs augment the conventional 2x2 DiD with a "placebo" stratum -- observations that are nested in the same units and time periods but are known to be entirely unaffected by the treatment. However, many TD applications go beyond this simple 2x2x2 and use observations on many units in many "placebo" strata across multiple time periods. A popular estimator for this setting is the triple-differences regression (TDR) fixed-effects estimator -- an extension of the common "two-way fixed effects" estimator for DiD. This paper decomposes the TDR estimator into its component two-group/two-period/two-strata triple-differences and illustrates how interpreting this parameter causally in settings with arbitrary staggered adoption requires strong effect homogeneity assumptions as many placebo DiDs incorporate observations under treatment. The decomposition clarifies the implied identifying variation behind the triple-differences regression estimator and suggests researchers should be cautious when implementing these estimators in settings more complex than the 2x2x2 case. Alternative approaches that only incorporate "clean placebos" such as direct imputation of the counterfactual may be more appropriate. The paper concludes by demonstrating the utility of this imputation estimator in an application of the "gravity model" to the estimation of the effect of the WTO/GATT on international trade.

研究の動機と目的

• 段階的導入と複数の場面的スラットを伴う三重差分回帰（TDR）推定量の特定仮定と裏付けとなる変動要因を明確化すること。
• 処置効果がユニット、時間、スラットごとに異質である場合に、TDR推定量がバイアスを受ける理由を診断すること、特に場面的DiDに処置群が含まれる場合に焦点を当てる。
• TDRがマルチスラット設計で広く使われているが、有効な比較と無効な比較を混同する可能性があるため、その使用を疑問視すること。
• 特に直接の反実仮想補完を用いた代替推定戦略を提唱し、無効な場面的比較を回避すること。
• 国際貿易応用において、重力モデルを潜在的結果の構造的モデルとして用いることで、反実仮想推定の有効性を示すこと。

提案手法

• TDR推定量を、それぞれが主なDiDと場面的DiDを組み合わせた2×2×2三重差分項に分解する。
• Abadie（2005）にインspiredされた分解技術を用い、TDR推定量に割り当てられる各グループ・タイム処置効果の重みを特定する。
• 複数のスラットが段階的に処置を受ける場合、TDRに含まれる場面的DiDが処置群を含む可能性があり、純粋な対照群の仮定に反する点を特定する。
• 対照群ユニットにのみフィットする三重固定効果モデルを用いた反実仮想補完推定量を提唱する。
• 潜在的結果の制御下での構造的モデルとして貿易の重力モデルを適応し、有効な反実仮想予測を可能にする。
• 補完された反実仮想を用いて処置効果を推定するとともに、モデル仮定の妥当性を検証するための簡単な場面的テストを可能にする。

実験結果

リサーチクエスチョン

• RQ1 複数の段階的場面的スラットを伴う状況下で、三重差分回帰推定量の背後にある真の特定変動は何か？
• RQ2 処置効果が異質である場合、TDR推定量が有効なグループ・タイム平均処置効果（ATT）の平均を特定する条件は何か？
• RQ3 処置群を含む無効な場面的DiDが、三重差分の特定仮定が満たされていても、TDR推定量をどのようにバイアスさせるか？
• RQ4 重力モデルフレームワークを用いた反実仮想補完は、複雑なマルチスラット設計においてTDRのより頑健な代替手段となり得るか？
• RQ5 国際貿易の実証応用において、重力モデルの特定仮定をどのように検証できるか？

主な発見

• TDR推定量は、それぞれが主なDiDと場面的DiDを組み合わせた2×2×2三重差分項の重み付き平均であるが、複数のスラットが関与する場合には、多くの場面的DiDに処置群が含まれる。
• 処置効果が異質である場合、場面的DiDに処置群が含まれることで、バイアス補正機構が無効化され、TDR推定量の因果的解釈が損なわれる。
• 分解により、標準的な三重差分の仮定が満たされていても、無制限の効果異質性下ではTDRがグループ・タイムATTを特定できないことが明らかになった。
• 対照群ユニットにのみフィットする三重固定効果モデルを用いた反実仮想補完推定量は、無効な比較を回避し、マルチスラット設定でより信頼性の高い推定量を提供する。
• 重力モデルは、制御下での潜在的結果の構造的モデルとして用いることができ、有効な反実仮想予測を可能にし、モデル仮定のための場面的テストを容易にする。
• 本論文は、処置効果と重力モデルのパラメータを一度の回帰で同時に推定することは問題があることを示し、代わりに重力モデルを対照データ上でまず推定し、その後で反実仮想を補完すべきであることを示した。