안녕하세요 유익한 강의 잘 들었습니다. 질문이 있어서 댓글 남기려고 하는데, Treatment group 1,2,3이 같은 그룹이어도 staggered did 가 가능한건가요? 음, 아니면 케이스 그룹에 처치를 몇 번 주고 컨트롤 그룹에 하나도 안주는 경우에도 가능할지요?
Treatment group 1,2,3 이 같은 그룹이라는 의미가 잘 이해가 되지 않습니다. 만약 control group 없이 서로 다른 시점에 treatment 를 받은 그룹들만 있는 경우에 staggered DID 가 가능한지에 대한 질문이라면, 원칙적으로 가능하지만 각별한 유의가 필요합니다 (예: anticipation 이 존재하는 경우 underidentification 문제).
한 지역에 몇가지 정책이 시간차를 두고 진행된 경우에 각각의 정책을 개별적인 DID 로 두고 분석이 가능할 것입니다. 예를 들어, 강의에서도 언급한적 있는 예제인 Danaher et al. (2010) 에서는 NBC 컨텐츠가 iTunes 에서 내려간 사건과 협상 체결로 인해 다시 업로드된 사건을 개별적인 shock 으로 보고 각각 DID 를 적용하고 있습니다. 다만, 과거 shock 이 후속 shock 에 지속적인 영향을 미친다면 추가적인 고려가 필요할 것으로 생각됩니다 (상황에 따라 다름). 참고로, 이 경우는 already-treated units 과의 비교에 의한 문제를 해결하기 위한 staggered DID 가 필요한 상황은 아닙니다. Danaher, B., Dhanasobhon, S., Smith, M.D. and Telang, R., 2010. Converting pirates without cannibalizing purchasers: The impact of digital distribution on physical sales and internet piracy. Marketing Science, 29(6), pp.1138-1151.
안녕하세요. 교수님! 영상 덕분에 staggered did라는 새로운 개념을 알게 돼서 먼저 감사 인사 드립니다! bad comparision가 헷갈려서 질문도 드리고픈데... 그룹 a b c가 있고 a는 3시점에 b는 5시점에 treatment를 받고, c는 control group이라고 가정하고, 앞서 설명해주신 모형식을 가져오면 y = b0+b1*treat+b2*post+error term이 될텐데요... 5시점 기준으로 a는 b0 + b1*그룹a + b2*1 b는 b0 + b1*그룹b + b2*1 a와 b를 비교하는 것 = 처치 이후의 그룹 간 특성을 비교하는 것 이런 논리 흐름으로 이해가 되어서요.. 처치시점에 따라 heterogeniety가 있을 때 최종적인 처치의 인과효과를 구하면 가중치를 어떻게 주느냐에 따라 att라는 평균값이 달라지므로 유의해야 하는건 이해가 될것 같은데 애초에 이미 처치가 된 그룹a와 그룹b는 왜 비교를 해서 봐야하는지를 이해하지 못해서, 즉 처치가 1이냐 0이냐인 경우만 비교해서 보는게 아니라 둘다 처치가 1인 그룹을 비교해서 봐야하는 이유가 무엇일지 질문드리고자 합니다... 질문이 다소 장황하긴 한데 bad comparision이 발생하는 전제 자체를 이해하지 못한것 같아 질문드립니다..! 그리고 다시 한번 알찬 영상 감사드립니다
5시점 기준으로 보면 a 와 b 는 모두 treatment 를 받았을테고, treatment 효과가 시간에 따라 변하지 않는다면 a 와 b 모두 b1 만큼의 같은 효과를 받아서 같은 결과를 얻을 것이기 때문에, 원래 a 와 b 는 같은 treatment group 에 속하기 때문에 서로 비교하지 말아야 하지만 설령 비교하더라도 그 차이는 0 이기 때문에 전혀 문제되지 않습니다. 하지만, 만약 treatment 를 받고 시간에 따라서 효과가 1씩 커진다고 가정하면, 3시점에 treatment 를 받은 a 는 5시점에서는 (b1+2) 만큼의 효과가 있는데, b 는 5시점에서 b1 만큼의 효과가 있겠죠. 그래서 a 와 b 를 비교하면 효과가 +2 로 추정되고, 원래 비교하면 안되는 대상이었기 때문에 이로 인해서 +2 만큼의 편향이 발생하게 되는 것입니다. 솔루션은 간단합니다. 5시점에서 원래 비교해서는 안되는 대상인 a 와 b 를 비교하지 않으면 되는 것입니다. TWFE 는 기술적으로 그것이 불가능하기 때문에 staggered DID models 이 제안되었던 것입니다.
![[Week 6-2] 시차 이중차분법 분석모형](http://i.ytimg.com/vi/O1Cky60JdcE/mqdefault.jpg)
![[Week 6-2] 시차 이중차분법 분석모형](/img/tr.png)
![[Week 5-1] 이중차분법 (Difference-in-Differences)](http://i.ytimg.com/vi/SwPB3SocwLY/mqdefault.jpg)
![BLACK BAG - Official Trailer [HD] - Only in Theaters March 14](http://i.ytimg.com/vi/Du0Xp8WX_7I/mqdefault.jpg)
이제는 새로운 강의 업로드로 한주간의 시작을 체감합니다. 계속해서 좋은 강의 부탁드립니다. 감사합니다~^^
좋은 강의에 감사드립니다.
감사합니다 !
안녕하세요 유익한 강의 잘 들었습니다.
질문이 있어서 댓글 남기려고 하는데,
Treatment group 1,2,3이 같은 그룹이어도 staggered did 가 가능한건가요?
음, 아니면 케이스 그룹에 처치를 몇 번 주고 컨트롤 그룹에 하나도 안주는 경우에도 가능할지요?
Treatment group 1,2,3 이 같은 그룹이라는 의미가 잘 이해가 되지 않습니다. 만약 control group 없이 서로 다른 시점에 treatment 를 받은 그룹들만 있는 경우에 staggered DID 가 가능한지에 대한 질문이라면, 원칙적으로 가능하지만 각별한 유의가 필요합니다 (예: anticipation 이 존재하는 경우 underidentification 문제).
@@causaldatascience 한 지역에 몇가지 정책이 시간차를 두고 진행된 경우, 정책들이 시행되지 않은지역을 컨트롤로 놓을 수 있는지 여쭤보았습니다:)
아니면 태풍같은 재난 발생이 한지역에 주기적으로 발생할 때 같은 경우에도 사용이 가능할까요?
한 지역에 몇가지 정책이 시간차를 두고 진행된 경우에 각각의 정책을 개별적인 DID 로 두고 분석이 가능할 것입니다. 예를 들어, 강의에서도 언급한적 있는 예제인 Danaher et al. (2010) 에서는 NBC 컨텐츠가 iTunes 에서 내려간 사건과 협상 체결로 인해 다시 업로드된 사건을 개별적인 shock 으로 보고 각각 DID 를 적용하고 있습니다. 다만, 과거 shock 이 후속 shock 에 지속적인 영향을 미친다면 추가적인 고려가 필요할 것으로 생각됩니다 (상황에 따라 다름).
참고로, 이 경우는 already-treated units 과의 비교에 의한 문제를 해결하기 위한 staggered DID 가 필요한 상황은 아닙니다.
Danaher, B., Dhanasobhon, S., Smith, M.D. and Telang, R., 2010. Converting pirates without cannibalizing purchasers: The impact of digital distribution on physical sales and internet piracy. Marketing Science, 29(6), pp.1138-1151.
@@causaldatascience 친절하고 자세한 말씀에 감사드립니다!
안녕하세요. 교수님! 영상 덕분에 staggered did라는 새로운 개념을 알게 돼서 먼저 감사 인사 드립니다!
bad comparision가 헷갈려서 질문도 드리고픈데...
그룹 a b c가 있고 a는 3시점에 b는 5시점에 treatment를 받고, c는 control group이라고 가정하고, 앞서 설명해주신 모형식을 가져오면 y = b0+b1*treat+b2*post+error term이 될텐데요...
5시점 기준으로 a는 b0 + b1*그룹a + b2*1
b는 b0 + b1*그룹b + b2*1
a와 b를 비교하는 것 = 처치 이후의 그룹 간 특성을 비교하는 것
이런 논리 흐름으로 이해가 되어서요..
처치시점에 따라 heterogeniety가 있을 때 최종적인 처치의 인과효과를 구하면 가중치를 어떻게 주느냐에 따라 att라는 평균값이 달라지므로 유의해야 하는건 이해가 될것 같은데 애초에 이미 처치가 된 그룹a와 그룹b는 왜 비교를 해서 봐야하는지를 이해하지 못해서, 즉 처치가 1이냐 0이냐인 경우만 비교해서 보는게 아니라 둘다 처치가 1인 그룹을 비교해서 봐야하는 이유가 무엇일지 질문드리고자 합니다...
질문이 다소 장황하긴 한데 bad comparision이 발생하는 전제 자체를 이해하지 못한것 같아 질문드립니다..!
그리고 다시 한번 알찬 영상 감사드립니다
5시점 기준으로 보면 a 와 b 는 모두 treatment 를 받았을테고, treatment 효과가 시간에 따라 변하지 않는다면 a 와 b 모두 b1 만큼의 같은 효과를 받아서 같은 결과를 얻을 것이기 때문에, 원래 a 와 b 는 같은 treatment group 에 속하기 때문에 서로 비교하지 말아야 하지만 설령 비교하더라도 그 차이는 0 이기 때문에 전혀 문제되지 않습니다. 하지만, 만약 treatment 를 받고 시간에 따라서 효과가 1씩 커진다고 가정하면, 3시점에 treatment 를 받은 a 는 5시점에서는 (b1+2) 만큼의 효과가 있는데, b 는 5시점에서 b1 만큼의 효과가 있겠죠. 그래서 a 와 b 를 비교하면 효과가 +2 로 추정되고, 원래 비교하면 안되는 대상이었기 때문에 이로 인해서 +2 만큼의 편향이 발생하게 되는 것입니다. 솔루션은 간단합니다. 5시점에서 원래 비교해서는 안되는 대상인 a 와 b 를 비교하지 않으면 되는 것입니다. TWFE 는 기술적으로 그것이 불가능하기 때문에 staggered DID models 이 제안되었던 것입니다.
@@causaldatascience 감사합니다 교수님! 덕분에 제가 어디서 꼬였는지(?) 깨달을 수 있게 되었습니다ㅠㅠㅠ 친절히 알려주셔서 감사합니다!