双重差分法的效应模式与敏感性分析
应用统计
2019-02-04 v2
摘要
应用分析人员常使用双重差分法（DID）基于观测数据估计政策干预的因果效应。该方法应用广泛，因为对处理组与对照组进行干预前后比较在实践中十分常见。DID 可消除来自未观测的时间不变混杂因素的偏差。尽管 DID 消除了时间不变混杂因素的偏差，但可能存在来自时变混杂因素的偏差。因此，与任何观测性比较一样，DID 研究仍易受隐藏混杂因素偏差的影响。本文发展了一种敏感性分析方法，使研究者能够量化改变研究结论所需的偏差量。我们的方法在匹配设计框架内运作，可消除来自已观测基线协变量的偏差。我们针对二值与连续结局分别发展了相应方法，并将这些方法应用于社会科学的两个不同实证案例。第一个应用中，我们研究德国残疾津贴变更的影响；第二个应用中，我们重新检验选举日登记是否提高了威斯康星州的投票率。
引用
@article{arxiv.1901.01869,
title = {Patterns of Effects and Sensitivity Analysis for Differences-in-Differences},
author = {Luke J. Keele and Dylan S. Small and Jesse Y. Hsu and Colin B. Fogarty},
journal= {arXiv preprint arXiv:1901.01869},
year = {2019}
}