[Week 5-2] 이중차분법 분석모형

[@ek_tango]

혹시 cause가 연속변수이고 어떤 임계치를 기준으로 임계치를 넘어설 때의 기간으로 가정하는 경우에는 어떤 분석 방법을 사용해야 할까요?

[@causaldatascience]

해당 설명만으로 어떤 컨텍스트인지 정확히 알 순 없지만, 임계치 기준으로 treatment 가 정해지는 경우는 회귀불연속(regression discontinuity)이 가장 잘 적용될 수 있지 않을까 생각합니다.

[@Larrylurex-gh5kb]

안녕하세요 몇가지 질문이 있습니다~
1. Canonical DID with TWFE 이 Canonical DID 에 비해 가지는 이점이 무엇일까요? 어차피 unit/time fixed effect 는 이중차분하는 과정에서 사라지니 애초에 안 넣어도 상관없는 것같은데 논문에서는 많이들 고려하는 것 같아서요...
2. Canonical DID with TWFE 에서 만일 post treatment period 가 여러개라면(Danaher 논문 케이스) beta3은 그 period들의 causal effect의 평균이라고 해석하면 될지요?

[@causaldatascience]

1. DID with TWFE 가 Canonical DID 와 같다는 것이 unit/time fixed effect 가 이중차분하는 과정에서 사라진다는 의미는 아닙니다. 정확히 말하면, TWFE 를 통한 DID 추정치는 개인고정효과와 시간고정효과를 제외한 후, 두 그룹의 전후 차이의 차이의 평균을 계산합니다. Canonical DID 에서는 고정효과를 포함하지 않기 때문에 모든 고정효과를 배제했다고 보기는 어렵지만, 적어도 전후 차이를 통해 각 그룹에서의 평균적인 개인고정효과를 배제하고, 두 그룹 간의 차이를 통해 평균적인 시간고정효과를 배제하게 됩니다. 다시 말해, DID-TWFE 은 고정효과 배제한 후에 DID 를 구하는 것이고, Canonical DID 는 고정효과의 평균을 배제한 후에 DID 를 추정하고, 결과적으로 DID 추정량은 같아집니다 (단, treatment 시점이 같은 경우에만). 이 두 추정량이 같음에도 불구하고 TWFE 가 더 많이 활용되는 이유는 더 범용적이기 때문입니다. 즉, DID with TWFE 는 treatment 시점이 다른 경우에도 적용 가능하지만, Canonical DID 는 이 경우 정의가 되지 않습니다. 이런 관점에서 DID with TWFE 는 generalized DID 라고도 볼 수 있겠지요. 물론 이에 따른 문제점들도 최근에 많이 지적되어 staggered DID 가 등장하게 됩니다.
2. 네 맞습니다. DID 추정량은 post-treatment periods 에서의 평균적인 효과를 나타냅니다. 기간에 따른 효과를 각각 추정하기 위해서는 event study model 이나 staggered DID model 등을 활용할 수 있습니다.

[@Larrylurex-gh5kb]

@@causaldatascience 정말 명확하게 이해되었습니다. 감사합니다 교수님