[논문 리뷰] Difference-in-Differences Estimators for Treatments Continuously Distributed at Every Period

Clément de Chaisemartin, Xavier D’Haultfœuille외 3명|arXiv (Cornell University)|2022. 01. 18.

Pharmaceutical Economics and Policy인용 수 4

한 줄 요약

이 논문은 패널 데이터에서 연속적 처리를 위한 새로운 이산 차수 추정량을 제안하며, 처리가 변화하는 유닛(스위처)과 처리가 일정한 유닛(스테이어)을 구분한다. 평행 추세 가정 하에 두 개의 추정량인 스위처 기울기의 평균(AOSS)과 가중 평균 스위처 기울기(WAOSS)를 제안하며, WAOSS가 AOSS보다 더 높은 추정 효율성과 강건성, 이중 강건 추정까지 가능함을 보이며, 정책 해석에 더 직관적인 AOSS와는 대조적으로 WAOSS가 우월함을 밝힌다.

ABSTRACT

When one studies the effects of taxes, tariffs, or prices using panel data, the treatment is often continuously distributed in every period. We propose difference-in-differences (DID) estimators for such cases. We assume that between consecutive periods, the treatment of some units, the switchers, changes, while the treatment of other units, the stayers, remains constant. We show that under a parallel-trends assumption, the slopes of switchers' potential outcomes are nonparametrically identified by difference-in-differences estimands comparing the outcome evolutions of switchers and stayers with the same baseline treatment. Controlling for the baseline treatment ensures that our estimands remain valid if the treatment's effect changes over time. We consider two weighted averages of switchers' slopes, and discuss their respective advantages. For each weighted average, we propose a doubly-robust, nonparametric, and $\sqrt{n}$-consistent estimator. We generalize our results to the instrumental-variable case. We apply our method to estimate the price-elasticity of gasoline consumption.

연구 동기 및 목표

• 이질적 효과 하에서 이원 고정효과(TWFE) 회귀분석의 한계를 해결하기 위해, 특히 연속적 처리가 있는 경우 처리 효과를 추정하는 데 목적이 있다.
• 이중 차수 프레임워크를 연속적으로 분포된 처리에 확장하여, 이산적 또는 이산적인 변화가 아닌 시간에 따라 변화하는 처리를 수용하는 데 목적이 있다.
• 평행 추세 가정 하에 두 가지 해석 가능한 인과적 파rameter인 스위처 기울기의 평균(AOSS)과 가중 평균 스위처 기울기(WAOSS)를 정의하고 추정하는 데 목적이 있다.
• WAOSS가 AOSS보다 추정 효율성, 점근적 분산, 이중 강건 추정과의 호환성 측면에서 뛰어나다는 것을 보여주는 데 목적이 있다.
• 제안된 추정량을 사용하여 미국 주 수준 패널 데이터를 바탕으로 자동차 연료 소비의 가격 수요 유연도를 추정하는 데 목적이 있다.

제안 방법

• 스위처와 스테이어의 결과 추세를 동일한 초기 처리 수준에서 비교하는 평행 추세 가정을 제안하며, 스위처의 처리가 변화하지 않는 반사적 조건을 고려한다.
• AOSS를 첫 번째 시기에서 두 번째 시기로의 처리 수준 변화에 따른 스위처의 잠재 결과 함수 기울기의 무게 없는 평균으로 정의한다.
• WAOSS를 스위처 기울기의 가중 평균으로 정의하며, 가중치는 처리 변화의 절대값에 비례한다.
• 형태 제약 조건(예: 볼록성 또는 오목성)이 만족될 경우, AOSS는 관측되지 않은 처리 변화의 영향을 설명할 수 있으며, WAOSS는 비용-편익 분석을 지원한다.
• WAOSS는 처리 변화가 임의로 작아도 파arametric 속도로 추정될 수 있음을 입증하며, 이는 AOSS와는 다릅니다.
• 이중 강건 추정과 함께 처리 변화의 크기가 매우 작은 경우에도 효율적인 추정이 가능하도록, 추정량을 추출 기반으로 확장하여 IV-WAOSS 추정량을 제안한다. 이는 AOSS보다 더 낮은 점근적 분산을 달성한다.

실험 결과

연구 질문

• RQ1 이질적 효과 하에서, 이중 차수 추정량은 연속적 처리로 일반화될 수 있는가? 이때 인과적 해석은 유지되는가?
• RQ2 AOSS와 WAOSS 추정량은 경제학적 해석에서 어떻게 다를까? 각각 언제 선호되어야 하는가?
• RQ3 WAOSS 추정량은 처리 변화가 작거나 연속적인 경우에 AOSS 추정량보다 더 높은 추정 효율성과 강건성을 달성하는가?
• RQ4 WAOSS 추정량은 추출 기반 설정으로 확장될 수 있으며, 이중 강건성 같은 유리한 성질을 유지하는가?
• RQ5 실제 패널 데이터를 사용한 실증 응용에서, WAOSS 추정량은 자동차 연료 소비의 가격 수요 유연도 추정에서 어떤 실증적 성능을 보이는가?

주요 결과

• WAOSS 추정량은 처리 변화가 임의로 작아도 파arametric 속도로 추정될 수 있으며, 이는 AOSS 추정량이 공유하지 않는 특성이다.
• 일부 조건 하에서, WAOSS 추정량의 점근적 분산은 AOSS 추정량보다 엄밀히 작으며, 이는 더 높은 정밀도를 의미한다.
• WAOSS 추정량은 이중 강건 추정에 적합하지만, AOSS 추정량은 그렇지 않아 모형 오특정에 대한 강건성이 향상된다.
• 실증 응용에서 자동차 연료 소비에 대해, WAOSS 추정량의 표준오차는 AOSS 추정량의 약 세 배 작았다.
• IV-WAOSS를 통한 자동차 연료 소비의 가격 수요 유연도 추정치는 -0.726(95% 신뢰구간: [-1.349, -0.328])였고, 2SLS-TWFE 추정치는 -1.084였으며, 95% 신뢰구간은 27% 더 넓었다. 이는 강건성이 항상 정밀도 손실을 동반하지는 않음을 시사한다.
• IV-WAOSS와 2SLS-TWFE 추정량의 신뢰구간은 겹쳤으며, 부트스트랩 기반 등가성 검정에서도 둘 사이에 유의미한 차이가 없었다. 이는 WAOSS 추정량이 더 효율적임에도 불구하고, 결과의 유사성을 유지함을 의미한다.