关于差分-差分法下平行趋势假设被违反时的贝叶斯灵敏度分析
统计方法学
2025-08-06 v1
摘要
平行趋势假设的违反在差分-差分(DiD)研究中构成重大挑战，尤其是在政策评估中，由于前处理动力学和外部冲击可能导致估计偏差。本文提出了一个贝叶斯DiD框架，以允许我们在平行趋势被违反时估计政策效应。为解决平行趋势假设的潜在偏离，本文引入一个形式化的灵敏度参数来表征违反程度，指定其上的自回归AR(1)先验以稳健地建模时间相关性，并探讨一系列先验规格——包括固定先验、完全贝叶斯和经验贝叶斯(EB)方法，后者根据前处理数据进行校准。通过在评估费城的含糖饮料税时将巴尔的摩作为对照组，系统比较不同先验配置下的后处理处理效应估计，我们展示了贝叶斯灵敏度分析在平行趋势被违反时支持稳健且可解释的政策结论。
引用
@article{arxiv.2508.02970,
title = {Bayesian Sensitivity Analyses for Policy Evaluation with Difference-in-Differences under Violations of Parallel Trends},
author = {Seong Woo Han and Nandita Mitra and Gary Hettinger and Arman Oganisian},
journal= {arXiv preprint arXiv:2508.02970},
year = {2025}
}