[논문 리뷰] Difference-in-Differences with a Continuous Treatment

Brantly Callaway, Andrew Goodman-Bacon외 1명|arXiv (Cornell University)|2021. 07. 06.

Optimal Experimental Design Methods인용 수 235

한 줄 요약

이 논문은 연속적이거나 다값 치료를 가진 차이-의 차이(DiD)에 대한 식별, 추정 및 해석 도구를 개발하여 TWFE가 오해를 불러일으킬 수 있음을 보여주고, 비모수 추정기와 의미 있는 요약 지표를 제시하며 Medicare 개혁에 대한 실증적 예시를 제공합니다.

ABSTRACT

This paper analyzes difference-in-differences designs with a continuous treatment. We show that treatment-on-the-treated-type parameters are identified under a parallel trends assumption analogous to the binary treatment case. However, comparing these parameters across treatments is challenging because parallel trends does not rule out selection bias. We discuss alternative, typically stronger, assumptions that eliminate selection bias. We further show that popular two-way fixed effects estimands admit multiple interpretations, depending on the underlying causal building block, all having important limitations as meaningful summaries of treatment effects. Finally, we introduce alternative estimation procedures that avoid these drawbacks and demonstrate them in an empirical application.

연구 동기 및 목표

• 연속 치료에서 평균 수준 치료 효과와 평균 인과 반응이 평행 추세 하에서 어떻게 식별될 수 있는지 확인합니다.
• 연속 치료 설정에서 표준 TWFE 사양의 한계와 해석 문제를 보여줍니다.
• 강한 평행 추세를 이용해 ATT(d|d) 및 ACR(d)을 회복하기 위한 비모수 DiD 추정기를 개발합니다.
• 연속 DiD 분석에 대해 해석 가능한 요약 지표와 이벤트 연구 도구를 제공합니다.
• Medicare 개혁에 대한 적용으로 방법을 설명하고 해석상의 도전을 논의합니다.]
• method:[
• 연속 치료에 대한 수준 치료 효과(ATT(d|d))와 평균 치료 효과(ATE(d))를 정의합니다.
• 치료 용량 효과를 포착하기 위한 평균 인과 반응(ACR(d)) 및 그 도함수(ACRT)를 정의합니다.
• 두 기간의 연속 치료 DiD 프레임워크에서 ATT(d|d) 및 ATT^o에 대한 평행 추세 기반 식별을 도입합니다.
• TWFE 회귀가 이질성과 가중치 문제로 인해 편향되거나 해석하기 어려운 매개변수를 산출할 수 있음을 보여줍니다.
• 데이터 기반의 sup-norm 추정에서 적응한 비모수 DiD 추정기를 제안하여 ATT(d|d) 및 ACR(d)를 강한 평행 추세와 함께 추정합니다.
• 용량-밀도 가중치를 사용한 요약 지표(ATT^o, ATE^o, ACR^o, ACRT^o)를 제공하고 이벤트 연구 구성에 대해 논의합니다.]
• research_questions:[
• 연속 또는 다값 이산 치료 하에서 평행 추세 하에 ATT(d|d) 및 ATE(d)가 어떻게 식별될 수 있는가?
• 연속 치료 DiD 설계에서 TWFE 추정기의 한계와 해석 문제는 무엇인가?
• 용량-반응(ATT 및 ACR) 함수에 대해 비모수적으로 추정하고 추론을 수행하는 방법은 무엇인가?
• 어떤 요약 지표가 용량 분포 전반의 치료 효과를 가장 잘 포착하며, 이를 어떻게 구성할 수 있는가?]
• key_findings:[
• 연속 치료 DiD에서 TWFE 계수는 여러 구성 요소로 분해될 수 있으며 음의 가중치를 할당할 수 있어 명확한 인과 해석을 방해할 수 있다.
• 일반화된 평행 추세 가정 하에서 ATT(d|d) 및 ATT^o가 식별되지만, ATE(d)는 더 강한 가정 없이는 식별되지 않을 수 있다.
• 용량 그룹 간의 비교는 강한 평행 추세가 유지되고 치료 효과 이질성이 제한되지 않으면 선택 편향에 의해 오염될 수 있다.
• 비모수 DiD 추정기는 균일하게 수렴하는 추정치를 산출하며 신뢰 구간이 좁고 특정 함수 형태에 의존하지 않는다.
• Medicare 개혁 적용에서 추정된 효과는 일부 분해보다 TWFE 기반 추정치가 더 큰 경향을 보였으며 해석 차이를 강조한다.
• 이 논문은 실용적인 요약 지표(ATT^o, ATE^o, ACR^o, ACRT^o)를 제공하고 평행 추세를 평가하기 위한 이벤트 연구 표현을 논의한다.

제안 방법

실험 결과

연구 질문

• RQ1

주요 결과