理解评估分层采纳情境下政策效应的差分-差分方法：针对 Medicaid 和 HIV 的应用
统计方法学
2024-02-21 v1
摘要
虽然随机对照试验被认为是估计因果处理效应的金标准，但在许多研究情境下，随机化是不可行或不道德的。在这种情况下，研究人员依赖分析方法来探索因果关系。差分-差分（DID）是其中一种方法，通常用于估计某组在干预或政策实施前后某均值结果的差异，并与随时间相同跟踪的对照组进行比较（即未实施该干预或政策的组）。尽管 DID 方法的建模方法在公共卫生研究中正日益流行，但大多数方法的开发和共享都在经济学文献中完成。尽管 DID 方法的扩展在任何领域的观察性数据上都可能相对容易地应用，但较新方法中涉及的复杂性和假设条件常常被误解。在本文中，我们聚焦于分层采纳情境下 DID 方法的最新扩展及其与线性模型的关系。我们使用潜在结果表示法详细阐述了如何识别和估计在受处理者群体中的平均处理效应，突出显示产生有效估计所必需的假设条件。这些概念被描述在美国人群居于 HIV（PWH）的 Medicaid 扩张与继续接受护理的背景下。尽管每种 DID 方法都可能是有效的，但理解其不同假设并选择合适的方法对政策制定者、资助者和公共卫生整体都有重要影响。
引用
@article{arxiv.2402.12576,
title = {Understanding Difference-in-differences methods to evaluate policy effects with staggered adoption: an application to Medicaid and HIV},
author = {Julia C. Thome and Peter F. Rebeiro and Andrew J. Spieker and Bryan E. Shepherd},
journal= {arXiv preprint arXiv:2402.12576},
year = {2024}
}