[论文解读] 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 3

一句话总结

本文针对无任何单位保持未处理状态的双重差分（DID）设定，开发了稳健的估计量，解决了在处理效应异质性下两阶段固定效应（TWFE）估计量的偏差问题。提出了确保TWFE一致性的可检验条件，当存在保持者或准保持者时，引入了Wald-DID和基于核的估计量，并在无此类单位时提供了非参数边界和参数估计量，表明Enikolopov等人（2011）中的TWFE估计不可靠，而Pierce和Schott（2016）中的估计则更为稳健。

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.

研究动机与目标

• 解决在无任何单位保持未处理的异质采纳设计（HADs）中，两阶段固定效应（TWFE）估计量的不一致性问题。
• 识别TWFE保持有效的条件，特别是处理效应的均值独立于处理剂量的条件。
• 在TWFE假设失效时，开发稳健估计量，包括Wald-DID、基于核的估计量以及非参数边界估计量。
• 使用所提出的方法重新评估Pierce和Schott（2016）以及Enikolopov等人（2011）的先前实证发现。
• 为单变量回归中条件期望的线性提供一种异方差稳健、无需调参的检验。

提出的方法

• 提出对条件期望 $ E(\Delta Y_g \mid D_{g,2}) = \alpha_0 + \alpha_1 D_{g,2} $ 的线性检验，该检验可确保在平行趋势假设下TWFE的一致性。
• 基于Yatchew（1997）的非参数异方差稳健检验，具有渐近有效性且无需调参。
• 当检验拒绝线性时，提出使用保持者（$ D_{g,2}=0 $）作为对照组的Wald-DID估计量，可通过两阶段最小二乘法（2SLS）估计。
• 对于准保持者（$ D_{g,2} $ 接近零），提出基于核的DID估计量，其最优带宽通过最小化渐近均方误差（MSE）确定。
• 在无保持者或准保持者时，利用矩不等式推导平均处理效应的非参数边界。
• 提出参数估计量，假设 $ E[\Delta_2 \mid D_2 = d] = \delta_0 + \delta_1 d $，在异质性受限条件下实现估计。

实验结果

研究问题

• RQ1 在无未处理单位的HADs中，TWFE估计量在何种条件下保持一致？
• RQ2 如何检验支撑TWFE一致性的均值独立性假设的有效性？
• RQ3 当均值独立性假设失效时，根据是否存在保持者或准保持者，有哪些稳健估计量可用？
• RQ4 当无保持者或准保持者时，非参数边界和参数异质性模型的表现如何？
• RQ5 Pierce和Schott（2016）以及Enikolopov等人（2011）中的TWFE估计量对处理效应异质性是否稳健？

主要发现

• 对 $ E(\Delta Y_g \mid D_{g,2}) $ 线性的检验有效、对异方差稳健，且在用作预检时不会扭曲推断。
• 对于SPS投票率，平均处理效应的非参数下界和上界分别为 $ \widehat{B}_- = -2.88 $ 和 $ \widehat{B}_+ = 9.99 $，因此无法排除零。
• 对于Yabloko投票率，边界同样包含零，且非参数估计量 $ \widehat{\beta}^{ns} $ 为12.78，标准误较大（4.51），表明噪声较高。
• 非参数估计量 $ \widehat{\beta}^{ns} $ 在Yabloko上显著不同于零（p < 0.05），但在SPS或KPRF上不显著，而TWFE估计量除SPS和Yabloko外均不显著。
• 对于LDPR选票和投票率，$ \widehat{\beta}^{ns} $ 值大且为负（-39.18 和 -28.19），表明可能存在模型误设或假设违反。
• 作者结论认为，Enikolopov等人（2011）中的TWFE估计量对异质性不稳健，而Pierce和Schott（2016）中的估计量则显得更可靠。