[论文解读] A Short Note on Event-Study Synthetic Difference-in-Differences Estimators

Diego Ciccia|arXiv (Cornell University)|Jul 5, 2024

Statistical Methods and Inference被引用 9

一句话总结

本说明介绍了 Synthetic Difference-in-Differences (SDID) 估计量的事件研究扩展，将队列 SDID 分解为动态处理效应估计量，并利用最优权重使其与处理前结果对齐。

ABSTRACT

I propose an event study extension of Synthetic Difference-in-Differences (SDID) estimators. I show that, in simple and staggered adoption designs, estimators from Arkhangelsky et al. (2021) can be disaggregated into dynamic treatment effect estimators, comparing the lagged outcome differentials of treated and synthetic controls to their pre-treatment average. Estimators presented in this note can be computed using the sdid_event Stata package.

研究动机与目标

• 在平衡面板数据框架内，动机并形式化 SDID 估计量的事件研究扩展。
• 展示如何将队列特定的 SDID 估计量分解为动态处理效应估计量。
• 解释事件研究 SDID 估计量如何与现有的 DiD 框架和加权方案相关。

提出的方法

• 使用滞后结果差异将队列特定的 SDID 估计量分解为动态处理效应估计量。
• 使用最优权重近似处理组和合成对照单位的处理前结果演变。
• 定义在采用后第 l 期测量处理效应的事件研究估计量，并显示它们之和等于队列 SDID 估计量。
• 通过按每个队列单位数进行加权，将队列特定的动态效应聚合为一个单一的事件研究估计量。
• 确立整体 ATT 是跨越 l 的事件研究估计量的加权平均，权重与处理后单位数量成比例。

实验结果

研究问题

• RQ1 在错位采用设计中，如何将 SDID 扩展为事件研究分析？
• RQ2 队列特定的 SDID 估计量如何分解为动态、滞后特定的处理效应？
• RQ3 如何将事件研究 SDID 估计量聚合以恢复整体 ATT？
• RQ4 文献中 SDID 事件研究估计量与其他现代 DiD 估计量之间的关系是什么？

主要发现

• SDID 估计量可以分解为动态处理效应估计量，将 treated 与 synthetic controls 的滞后结果差异与它们的处理前平均值进行比较。
• 事件研究 SDID 估计量的计算方式与其他典型 DiD 事件研究估计量类似，但对结果使用单位-时间特异权重。
• 队列特定的动态估计量之和等于该队列的标准 SDID 估计量，确立了与基线 SDID 框架的一致性。
• 按队列聚合的事件研究估计量可以作为跨越 l 的加权平均组合成总体 ATT，权重基于单位数量和处理后期间数。
• sdid_event Stata 包可以计算这些估计量并提供总体 ATT 和队列特定效应。