从双重差分研究迁移处理效应
统计方法学
2024-06-21 v2
摘要
双重差分（DID）是在存在未测量混杂时识别处理与政策因果效应的流行方法。DID 识别处理组样本平均处理效应（SATT）。然而，此类研究的一个目标通常是为处理样本之外目标人群中的决策提供信息。可迁移性方法已被开发用于将推断从研究样本扩展到外部目标人群；这些方法主要在识别基于处理与潜在结果间条件独立的设定下开发和应用，例如随机试验。我们提出一种基于在研究样本（其与目标人群不同）中进行的 DID 来识别并估计目标人群中效应的新方法。我们提出一系列可据以识别目标人群中因果效应的假设，并使用因果图阐明这些假设。在大多数现实设定中，结果关键依赖于任一未测量混杂因子在所关注效应尺度（如风险差、比值比）上不是效应修饰因子的假设。我们开发了若干迁移效应的估计量，包括 g-计算、逆比值加权以及基于高效影响函数的双重稳健估计量。模拟结果支持了所提估计量的理论性质。作为示例，我们应用我们的方法，利用仅在纽约市进行的 DID 研究数据，研究 2018 年美国联邦无烟公共住房法对美国各地公共住房空气质量的影响。
引用
@article{arxiv.2310.17806,
title = {Transporting treatment effects from difference-in-differences studies},
author = {Audrey Renson and Ellicott C. Matthay and Kara E. Rudolph},
journal= {arXiv preprint arXiv:2310.17806},
year = {2024}
}