[论文解读] Decomposing Triple-Differences Regression under Staggered Adoption

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

Global trade and economics被引用 6

一句话总结

本文在交错实施的背景下，分解了三重差分回归（TDR）估计量，表明其由多个2×2×2三重差分项组成，包括可能包含处理单位的安慰剂双重差分（DiD）。研究发现，若无强烈的效果同质性假设，TDR无法识别群体-时间平均处理效应，因此主张采用重力模型进行反事实插补，以确保在复杂多层级设计中的有效识别。

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.

研究动机与目标

• 澄清在具有多个安慰剂层级的交错实施背景下，三重差分回归（TDR）估计量的识别假设及其潜在变异来源。
• 诊断当处理效应在单位、时间与层级之间异质时，TDR估计量为何会产生偏差，特别是当安慰剂DiD包含处理观测值时。
• 挑战在多层级设计中广泛使用TDR的做法，因其可能混淆有效与无效的比较。
• 倡导替代估计策略——尤其是直接反事实插补——以避免无效的安慰剂比较。
• 展示重力模型作为国际经贸应用中潜在结果的结构模型，在反事实估计中的实用性。

提出的方法

• 将TDR估计量分解为构成性的2×2×2三重差分项，每一项结合一个主DiD与一个安慰剂DiD。
• 采用受Abadie（2005）启发的分解技术，分离TDR估计量中分配给每个群体-时间处理效应的权重。
• 识别出当多个层级存在交错处理时，TDR包含的安慰剂DiD可能包含处理单位，从而违反纯对照组的假设。
• 提出一种反事实插补估计量，仅在控制单位上拟合三重固定效应模型，并利用其预测处理下的结果。
• 将贸易重力模型改编为控制状态下潜在结果的结构模型，以实现有效的反事实预测。
• 利用插补的反事实结果估计处理效应，同时支持对模型有效性的简单安慰剂检验。

实验结果

研究问题

• RQ1 在具有多个交错实施安慰剂层级的情境下，三重差分回归估计量背后的真正识别变异来源是什么？
• RQ2 当处理效应异质时，TDR估计量在何种条件下能识别出群体-时间平均处理效应（ATT）的有效平均值？
• RQ3 即使三重差分的识别假设成立，为何包含处理单位的无效安慰剂DiD仍会偏差TDR估计量？
• RQ4 在复杂多层级设计中，使用重力模型框架进行反事实插补是否可作为TDR的更稳健替代方案？
• RQ5 研究人员在实证应用中，特别是国际经贸领域，如何检验重力模型的识别假设？

主要发现

• TDR估计量是多个2×2×2三重差分项的加权平均，每一项结合一个主DiD与一个安慰剂DiD，但当涉及多个层级时，许多此类安慰剂DiD可能包含处理单位。
• 当处理效应异质时，若安慰剂DiD中包含处理单位，则其会破坏偏差校正机制，从而削弱TDR估计量的因果解释力。
• 分解结果表明，即使标准三重差分识别假设成立，TDR在无限制效应异质性下仍无法识别群体-时间ATT。
• 仅在控制单位上拟合三重固定效应模型的反事实插补估计量可避免无效比较，在多层级情境中提供更可靠的估计。
• 重力模型可用作控制状态下潜在结果的结构模型，实现有效的反事实预测，并支持对模型假设的安慰剂检验。
• 本文表明，将处理效应与重力模型参数联合估计于单一回归中存在问题；相反，应先在控制数据上估计重力模型，再用于插补反事实。