अंतर-अंतर के लिए डेटा सेटअप

कौन सा सेटअप अंतर प्रतिगमन मॉडल का उपयोग करके अंतर के लिए सही है

$Y_{ist} = \alpha +\gamma_s*T + \lambda d_t + \delta*(T*d_t)+ \epsilon_{ist}$

जहां टी एक डमी है जो 1 के बराबर है यदि अवलोकन उपचार समूह से है और डी एक डमी है जो उपचार के बाद समय अवधि में 1 के बराबर है

1) प्रत्येक समूह और समय से यादृच्छिक नमूने (यानी 4 यादृच्छिक नमूने)

या

2) पैनल डेटा जहां समान इकाइयों को दोनों समय अवधि में ट्रैक किया जाता है?

क्या यह मायने रखता है और यदि नहीं, तो क्या ओएलएस का उपयोग किसी भी मामले में किया जा सकता है?

regression econometrics difference-in-difference

— B_Miner
स्रोत

मैंने देखा नहीं है (1) किया - विश्लेषण हमेशा लगता है = (2)। निश्चित नहीं है कि आप ऐसा क्यों करेंगे (1)। लेकिन मैंने कई डीआईडी अध्ययन नहीं देखे हैं।

— charles

1 के उदाहरण Wooldridge परिचयात्मक अर्थमिति अनुभाग 13.2 में दिखाए गए हैं

— B_Miner

अंतर-में-अंतर (डीआईडी) की एक प्रमुख धारणा यह है कि दोनों समूहों में उपचार से पहले परिणाम चर में एक सामान्य प्रवृत्ति है। यह तर्क देने के लिए महत्वपूर्ण है कि उपचारित समूह के लिए परिवर्तन उपचार के कारण होता है और इसलिए नहीं कि दोनों समूह पहले से ही एक दूसरे से अलग थे।

यदि आप उपचार से पहले और बाद में अलग-अलग लोगों का नमूना लेते हैं तो यह तर्क को कमजोर करेगा जब तक कि उपचार और नियंत्रण समूहों से आपके नमूने वास्तव में यादृच्छिक और बड़े न हों। तो यह अच्छी तरह से हो सकता है कि कोई आपसे पूछने जा रहा है: "आप यह कैसे सुनिश्चित कर सकते हैं कि प्रभाव उपचार के कारण है और न केवल इसलिए कि आपने विभिन्न लोगों का नमूना लिया है?" - और इसका जवाब देना मुश्किल होगा। यह प्रश्न आप पैनल डेटा का उपयोग करके बच सकते हैं क्योंकि आप समय के साथ समान सांख्यिकीय इकाइयों को ट्रैक करते हैं और आमतौर पर यह अधिक ठोस दृष्टिकोण है।

अपने अंतिम प्रश्न का उत्तर देने के लिए: हाँ डेटा मायने रखता है लेकिन आप उपरोक्त समीकरण का अनुमान लगाने के लिए निश्चित रूप से OLS का उपयोग कर सकते हैं। एक महत्वपूर्ण बात जो अतीत में अक्सर अनदेखी की गई थी वह मानक त्रुटियों का सही अनुमान है। यदि आप उन्हें ठीक नहीं करते हैं, तो सीरियल सहसंबंध उन्हें एक अच्छी राशि से कम आंका जाएगा और आप महत्वपूर्ण प्रभाव पाएंगे, भले ही आपको शायद नहीं करना चाहिए। इस समस्या से निपटने के लिए एक संदर्भ और सुझाव के रूप में बर्ट्रेंड एट अल देखें। (2004) "हमें अंतरों पर कितना अंतर करना चाहिए?" ।

अंतिम बात के रूप में, यदि आपके पास कुल डेटा है (उदाहरण के लिए राज्य स्तर पर) या यदि आप आसानी से अपना एग्रीगेट कर सकते हैं और यदि आप डीआईडी की तुलना में हाल ही में इकोनोमेट्रिक पद्धति का उपयोग करना चाहते हैं, तो आप एबीडी एट अल पर एक नज़र रखना चाह सकते हैं । (2010) "तुलनात्मक मामले के अध्ययन के लिए सिंथेटिक नियंत्रण के तरीके" । आजकल के शोध में सिंथेटिक नियंत्रण विधि का तेजी से उपयोग किया जा रहा है और आर और स्टाटा के लिए अच्छी तरह से प्रलेखित दिनचर्या मौजूद है। शायद यह आपके लिए भी कुछ दिलचस्प हो।

— एंडी
स्रोत

यह महान एंडी है! क्या मैं यह कहकर संक्षेप में बता सकता हूं कि दोनों डेटा सेटअप स्वीकार्य हैं लेकिन उस पैनल डेटा को मान्यताओं के बारे में तर्क देना आसान है? यह दोनों ओएलएस द्वारा फिट किया जा सकता है लेकिन यह संभव है कि (विशेष रूप से पैनल डेटा सेटअप मैं माना जाता है) के मानक त्रुटियों संभव सीरियल सहसंबंध के कारण संदिग्ध हैं। क्या Newey West SE के साथ एक पैनल सेटअप एक अच्छा समाधान होगा?

— B_Miner

हां, पहले डेटा प्रकार के लिए आपको अधिक और मजबूत मान्यताओं की आवश्यकता है। मानक त्रुटियों के लिए, नेवी वेस्ट सुधार कार्य करना चाहिए। दरअसल यह बर्ट्रेंड एट अल द्वारा प्रस्तावित सुधार विधियों में से एक के अनुरूप है। (वे क्लस्टर किए गए मानक त्रुटियों का उपयोग करते हैं)। एक और हालिया पद्धति बूटस्ट्रैप का उपयोग करती है जो बहुत अच्छी तरह से काम करती है (देखें rbnz.govt.nz/research_and_publications/seminars_and_workbooks/… )। उम्मीद है की यह मदद करेगा!

— एंडी