超越经典双重差分模型:比较州级政策效应估计统计方法的模拟研究
统计方法学
2021-06-09 v3
摘要
州级政策评估通常采用双重差分(DID)研究设计;然而在该框架内,统计模型设定在各研究间差异显著。受应用性州级阿片类药物政策评估的启发,本模拟研究比较了传统用于DID的双向固定效应模型的多种变体在一系列模拟条件下的统计表现。尽管大多数线性模型导致极小偏倚,非线性模型以及经典线性双向固定效应和线性GEE模型的总体加权版本产生了可观偏倚(60%至160%)。此外,在考察粗死亡率时线性AR模型最小化均方根误差,而在考察原始死亡计数时负二项模型最小化均方根误差。在频率派假设检验背景下,许多模型产生了高第一类错误率以及极低的正确拒绝原假设率(< 10%),引发对政策效应虚假结论的担忧。在考量跨模型表现时,线性自回归模型在方向偏倚、均方根误差、第一类错误和正确拒绝率方面均为最优。这些发现凸显了广泛用于阿片类药物政策研究及更广义州级政策评估的DID设计中传统统计模型的显著局限。
引用
@article{arxiv.2003.12008,
title = {Moving beyond the classic difference-in-differences model: A simulation study comparing statistical methods for estimating effectiveness of state-level policies},
author = {Beth Ann Griffin and Megan S. Schuler and Elizabeth A. Stuart and Stephen Patrick and Elizabeth McNeer and Rosanna Smart and David Powell and Bradley D. Stein and Terry Schell and Rosalie L. Pacula},
journal= {arXiv preprint arXiv:2003.12008},
year = {2021}
}