[論文レビュー] Difference-in-Differences Estimators When No Unit Remains Untreated

Clément de Chaisemartin, Ciccia, Diego+2 more|arXiv (Cornell University)|May 7, 2024

Optimal Experimental Design MethodsDecision Sciences被引用数 3

ひとこと要約

本稿は、被験者がすべて処置を受け続ける差分の差分（DID）設定において、処置効果の非定常性の下で二重固定効果（TWFE）推定量に生じるバイアスを解消するロバストな推定量を開発する。TWFEの一貫性のための検証可能な条件を提示し、ステイヤー（D_{g,2}=0）または準ステイヤー（D_{g,2}が0に近い）が存在する場合にはWald-DID推定量とカーネルベース推定量を導入する。また、このような単位が存在しない場合には非パラメトリックな境界とパラメトリック推定量を提供し、Enikolopovら（2011）のTWFE推定量は信頼できないが、PierceとSchott（2016）の推定量はよりロバストであることを示している。

ABSTRACT

We consider treatment-effect estimation with a two-periods panel, where units are untreated at period one, and receive strictly positive doses at period two. First, we consider designs with some quasi-untreated units, with a period-two dose local to zero. We show that under a parallel-trends assumption, a weighted average of slopes of units' potential outcomes is identified by a difference-in-difference estimand using quasi-untreated units as the control group. We leverage results from the regression-discontinuity-design literature to propose a nonparametric estimator. Then, we propose estimators for designs without quasi-untreated units. Finally, we propose a test of the homogeneous-effect assumption underlying two-way-fixed-effects regressions.

研究の動機と目的

• 非処置単位が存在しない非定常採用設計（HADs）における二重固定効果（TWFE）推定量の一貫性の欠如を是正すること。
• TWFEの一貫性に裏付けられる平均的独立性仮定（処置効果が処置量から独立）が成り立つ条件を特定すること。
• TWFE仮定が成立しない場合のロバスト推定量の開発、特にステイヤーまたは準ステイヤーが存在する場合のWald-DID、カーネルベース、非パラメトリック境界推定量の開発。
• 提案手法を用いてPierceとSchott（2016）およびEnikolopovら（2011）の先行実証研究を再評価すること。
• 単変量回帰における条件付き期待値の線形性を検定する、異分散性にロバストでチューニングパrameterを必要としない検定を提供すること。

提案手法

• 条件付き期待値 $ E(\Delta Y_g \mid D_{g,2}) = \alpha_0 + \alpha_1 D_{g,2} $ の線形性を検証するための検定を提案し、平行トレンド仮定の下でTWFEの一貫性を保証する。
• Yatchew（1997）に基づく非パラメトリックな、異分散性にロバストな検定を用い、漸近的有効性を備え、チューニングパrameterを必要としない。
• 線形性仮定が棄却された場合、ステイヤー（D_{g,2}=0）を対照群として用いるWald-DID推定量を提案し、2SLSにより推定可能である。
• 準ステイヤー（D_{g,2}が0に近い）が存在する場合、漸近的MSEを最小化する最適バンド幅を用いたカーネルベースDID推定量を提案する。
• ステイヤーまたは準ステイヤーが存在しない場合には、モーメント不等式を用いて平均処置効果の非パラメトリック境界を導出する。
• E[\Delta_2 \mid D_2 = d] = \delta_0 + \delta_1 d という仮定に基づくパラメトリック推定量を提案し、制限された非定常性下での推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 非処置単位が存在しないHADsにおいて、TWFE推定量が一貫性を示す条件は何か？
• RQ2 TWFEの一貫性に裏付けられる平均的独立性仮定の妥当性をどのように検証できるか？
• RQ3 平均的独立性仮定が成立しない場合、ステイヤーまたは準ステイヤーの有無に応じてどのようなロバスト推定量が利用可能か？
• RQ4 ステイヤーまたは準ステイヤーが存在しない場合、非パラメトリック境界とパラメトリック非定常性モデルはどのように機能するか？
• RQ5 PierceとSchott（2016）およびEnikolopovら（2011）のTWFE推定量は、処置効果の非定常性に対してロバストか？

主な発見

• E(\Delta Y_g \mid D_{g,2}) の線形性を検証する検定は有効であり、異分散性にロバストで、事前検定として用いても推論の歪みを生じさせない。
• SPS投票率の非パラメトリックな下限境界と上限境界はそれぞれ $ \widehat{B}_- = -2.88 $ と $ \widehat{B}_+ = 9.99 $ であり、0は除外されない。
• Yabloko投票率についても境界は0を含み、非パラメトリック推定量 $ \widehat{\beta}^{ns} $ は12.78であり、標準誤差が大きく（4.51）ノイズが多いことを示している。
• Yablokoでは非パラメトリック推定量 $ \widehat{\beta}^{ns} $ は0とは有意に異なる（p < 0.05）が、SPSやKPRFでは有意でない。一方、TWFE推定量はSPSおよびYablokoを除きすべて有意でない。
• LDPR投票率および投票率について、$ \widehat{\beta}^{ns} $ は大きく負の値（-39.18および-28.19）を示しており、モデルの誤指定または仮定の違反の可能性がある。
• 著者らは、Enikolopov ら（2011）のTWFE推定量は非定常性に対してロバストでないのに対し、PierceとSchott（2016）の推定量はより信頼できると結論づけている。